MiniDF pixel Qwen Image 2.1

Это image-to-image LoRA от handful на базе Qwen/Qwen-Image-2.1. Она перерисовывает косой 3D-рендер карты в изометрическом пиксель-арт стиле карты MiniDF, сохраняя дороги, здания и деревья на местах. Победитель первого тренировочного раунда (7 ноября 2026).

🤩 Ключевые особенности

• 😎 Стилизация под MiniDF: косой 3D-рендер → изометрический пиксель-арт.
• 🤖 LoRA для Qwen Image 2.1, обучена через diffusers DreamBooth LoRA img2img.
• 👀 Рассчитана на вход 1024×1024, угол около 30°, примерно 3,4 px на метр.
• 🔥 Лучший результат первого раунда обучения; LPIPS 0,416 на 32 отложенных кадрах Бразилиа.
• 🌞 В обучении были Бразилиа, Сан-Паулу, вода/береговые линии и 42 мировых ориентира.

😎 Пример

import torch
from diffusers import QwenImage21Pipeline
from PIL import Image

pipe = QwenImage21Pipeline.from_pretrained("Qwen/Qwen-Image-2.1", torch_dtype=torch.bfloat16).to("cuda")
pipe.load_lora_weights("handful/mndf-pixel-qwen-image-2.1")
render = Image.open("render.jpg").convert("RGB")
out = pipe(image=render, prompt="Repaint this 3D map render as mndfstyle isometric pixel-art map of Brasília, keeping every road, building and tree in place", width=1024, height=1024, num_inference_steps=28).images[0]

Подробнее

Бенчмарк: LPIPS 0,416 на 32 held-out кадрах; позже 0,410 на пяти группах (Бразилиа 0,401, ориентиры 0,409, Сан-Паулу 0,396, Рио 0,412, мир 0,429).
Обучение: rank 16, alpha 16, lr 1e-4, 3 750 шагов, ~100 минут на одной RTX PRO 6000, 188 пар Бразилиа.
Ограничения: вода светлее целевой; тонкие решётки видны, только если есть на 3D-рендере.
Данные: ~2 000 пар на рендерах Google Photorealistic 3D Tiles; условия Google не разрешают обучение на этом контенте — LoRA заявлена как исследовательский эксперимент.