Naruto-style LoRA (rank 32)

Naruto-style LoRA (rank 32) — это LoRA-адаптер от NamanChheda для stable-diffusion-v1-5. Он обучен на изображениях в стиле Naruto с BLIP-подписями и содержит 6 377 472 обучаемых параметра в attention-слоях UNet. Адаптер сделан для университетского курса DATA 266 Lab 2, Part 2.

🧩 Ключевые особенности

• ⚙ LoRA rank 32 для attention-слоёв UNet модели Stable Diffusion 1.5.
• 🧬 Обучение на 1099 train-изображениях из lambdalabs/naruto-blip-captions; test-сплит не использовался.
• 🎯 4000 шагов, learning rate 0.0001, эффективный batch size 4, fp16, разрешение 512 px.
• 🛑 Только некоммерческое исследовательское и образовательное использование: персонажи защищены авторским правом, у датасета не указана л��цензия.
• 🔬 В карточке есть ограничения: перенос стиля на out-of-domain промпты, проблемы с пространственными связями и сниженное разнообразие.

💡 Пример

import torch
from diffusers import StableDiffusionPipeline
pipe = StableDiffusionPipeline.from_pretrained("stable-diffusion-v1-5/stable-diffusion-v1-5", torch_dtype=torch.float16).to("cuda")
pipe.load_lora_weights("NamanChheda/naruto-lora-rank32-sd15")
image = pipe("a man with blonde hair and blue eyes", num_inference_steps=30, guidance_scale=7.5).images[0]

Подробнее

KID: 0.01193 ± 0.00702 у rank 32 против 0.08418 ± 0.01210 у base (ниже лучше); CLIP score 32.04 против 32.86.
В слепом человеческом сравнении rank 32 выбрали в 29 из 75 голосов (win rate 0.387).
LPIPS-разнообразие между двумя seed: 0.7502 против 0.8050 у base.
Обучение: 4000 шагов, 512 px, один RTX 4090, около 70 минут, пик зарезервированной памяти 4.20 GiB.
Ограничения: пространствен��ые отношения не соблюдаются, возможен перенос стиля на out-of-domain промпты; лицензия non-commercial research/educational.