P-H3-Image pDMD 2-Step LoRA

Это LoRA-адаптер для PrunaAI/P-H3-Image, который переводит базовую модель в истинный 2-step режим: без CFG, с тем же промптингом и до 8 MP. В репозитории — готовый lora_model_0.safetensors (bf16) и копия с ComfyUI-именованием; сам LoRA — pDMD 2-NFE rank 128, слитый в image transformer.

😎 Ключевые особенности

• 🏃‍♂ 2 шага вместо 8: LoRA вливается в transformer и работает без CFG.
• 😎 Ранк 128 поверх attention и FFN всех 50 блоков; на 3–4 шагах тот же merge даёт вид, близкий к baseline.
• 📝 До 8 MP: примеры в карточке — 2912×2912, shift 12, seed 3.
• 🤝 Готовые файлы: bf16 safetensors для diffusers и копия с ComfyUI-именованием.
• 👌 Опциональный realism layer для людей: Realism-People LoRA на 0.5, триггер r34l1sm.

⌨ Пример

import torch
from diffusers import ModularPipeline; from huggingface_hub import hf_hub_download
pipe_blocks = ModularPipeline.from_pretrained("PrunaAI/P-H3-Image").blocks
pipe_blocks.sub_blocks.pop("prompt_upsampler", None)
pipe = pipe_blocks.init_pipeline("PrunaAI/P-H3-Image")
pipe.load_components(dtype=torch.bfloat16); pipe.to("cuda")
merge_lora(pipe.transformer, hf_hub_download("akhaliq/p-h3-image-pdmd-2step", "lora_model_0.safetensors"))
pipe.scheduler.set_shift(12.0); pipe.scheduler.set_timesteps(3, device="cuda")  # 3 grid points -> 2 steps

Подробнее

Качество: 2 шага — рабочее, но композиция может уходить от 8-step baseline; 3 шага — безопаснее; 4 шага — ближе всего к baseline.
Скорость: сетка 2912×2912 на RTX PRO 6000 — около 2,9 с на изображение.
VRAM: ~83 ГБ в bf16, ~76 ГБ с auto-offload.
Лицензия: LoRA Apache-2.0; результаты на P-H3-Image — MiniMax H3 Community License с ограничениями по ЕС, Великобритании, Корее и США.