К содержимому
Изображения

FastCello

тёплый пиксель-арт карты за 4 шага

2 мин чтенияобновлено

FastCello — это image-to-image LoRA для FLUX.2 klein 4B: на вход идёт косой 3D-рендер карты, на выходе — тёплый пиксель-арт город с утренним светом, холодными фиолетовыми тенями, цветными контурами и слоистыми кронами. Модель работает на distilled-версии FLUX.2 klein 4B за 4 шага и рисует кадр 1024 px примерно за 20 секунд на RTX 4090. Дороги, здания и деревья остаются на своих местах — меняется в основном стиль. Лучше всего подходит для рендеров 1024×1024 в косом ракурсе 30–45° и плотностью около 3.4–4 px на метр. Пригодится для игровых карт, пиксель-арт постеров и стилизации городских сцен.

Ключевые особенности

  • 4 шага на distilled FLUX.2 klein 4B: около 20 с на кадр 1024 px на RTX 4090.
  • Сохраняет дороги, здания и деревья на местах — меняется только стиль.
  • Тёплая палитра: позднее утро, холодные фиолетовые тени, цветные контуры и слоистые кроны.
  • Обучена на парах «косой 3D-рендер → картинка от Codex» из Бразилиа, Ресифи, Манауса и Флорианополиса.
  • Для целых городов кадры берут из окна 1536 px и оставляют середину, чтобы не было швов.

Что можно сделать

  • Перекрасить рендер города или карты в тёплый пиксель-арт для игры, карты или постера.
  • Собрать целую карту из тайлов: рендерить окна с соседями и сохранять середину без швов.
  • Попробовать LoRA на других 3D-сценах в похожем косом ракурсе 30–45°.
  • Сравнить 4-шаговый вариант с базовой моделью на 28 шагах, если нужна максимальная близость к эталону.

Пример

import torch
from diffusers import Flux2KleinPipeline
from PIL import Image

pipe = Flux2KleinPipeline.from_pretrained("black-forest-labs/FLUX.2-klein-4B", torch_dtype=torch.bfloat16).to("cuda")
pipe.load_lora_weights("handful/fastcello-flux2-klein-4b")
render = Image.open("render.jpg").convert("RGB")
out = pipe(image=render, prompt="Repaint this 3D map render as mgwarm warm pixel-art map, keeping every road, building and tree in place", width=1024, height=1024, num_inference_steps=4, guidance_scale=1.0).images[0]
ПодробнееLPIPS на 16 отложенных кадрах: 0.40 на суше за 4 шага; медленный вариант на 28 шагах — 0.39 в целом.
Обучение: rank 16, 1024 px, 2500 шагов, случайные отражения; входы — рендеры Google Photorealistic 3D Tiles.
Ограничения: на открытом море и широких реках быстрая модель часто рисует сушу; мелкие сетки окон менее регулярны.
Условия: Google Map Tiles не разрешают обучение на их контенте; LoRA выложена как research-эксперимент для личного использования.
Примеры
Обсудить Telegram 0 27

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 7.2 GB · готовые файлы9.5 GB
  • FP8 / INT8рекомендуемвеса 3.6 GB5.5 GB
  • 4-bitвеса 2.1 GB3.8 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 3080

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Это LoRA: вместе с базовой моделью FLUX.2-klein-4B.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # handful/fastcello-flux2-klein-4b
    # ===== Токены: вставьте свои между кавычками =====
    export HF_TOKEN=""        # huggingface.co/settings/tokens — для закрытых моделей
    # ==========================================
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download black-forest-labs/FLUX.2-klein-4B --local-dir ~/models/FLUX.2-klein-4B
    hf download handful/fastcello-flux2-klein-4b --local-dir ~/models/fastcello-flux2-klein-4b
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к FLUX.2-klein-4B
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Нужна базовая модель

black-forest-labs/FLUX.2-klein-4B

Эта модель — LoRA / адаптер. Сначала скачайте базовую модель, затем подключите к ней эту.

Новые посты про версии FLUX.2-klein-4B — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 12Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face

О модели

handful/fastcello-flux2-klein-4b
Автор
handful
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

270

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

jjstylenew

jjstylenew