К содержимому
Изображения

DESPINA lunar SDXL: генерация видов лунной поверхности

2 мин чтенияобновлено

Этот релиз представляет собой набор обученных весов на базе Stable Diffusion XL для превращения цифровых моделей рельефа (DEM) в реалистичные фотографии лунного горизонта. Система использует два модуля ControlNet для анализа глубины и мягких контуров, а также специальную LoRA-надстройку для воспроизведения аутентичного вида Луны по архивам снимков Apollo. Получаемый горизонт и рельеф строго соответствуют исходным географическим данным. Инструмент ориентирован на исследователей космоса, планетологов и разработчиков визуализаций.

Ключевые особенности

  • Точная привязка к рельефу: Использует инвертированную карту глубины и контуры для управления генерацией попиксельно.
  • Лунное небо: Специально обученная LoRA поддерживает рендеринг черного неба с правильным шумом.
  • Комплексный подход: Включает три компонента — лунную LoRA для UNet, depth ControlNet и soft-edge ControlNet.
  • Научная база: Создано на основе академического исследования (ISPRS Annals) с использованием сканов Apollo от ASU.

Что можно сделать

  • Реконструкция ландшафтов: Создавать фотореалистичные панорамы лунной поверхности на основе реальных данных высот (DEM).
  • Пакетный рендеринг: Использовать скрипты из репозитория проекта для генерации видов луны по заданным координатам камеры и углу солнца.
  • Интеграция с Diffusers: Запускать генерацию напрямую через пайплайн Stable Diffusion XL ControlNet в Python-скриптах.

Пример

import torch
from diffusers import ControlNetModel, StableDiffusionXLControlNetPipeline

repo = "RonInDune/despina-lunar-sdxl"
cns = [ControlNetModel.from_pretrained(repo, subfolder="controlnet-depth"),
       ControlNetModel.from_pretrained(repo, subfolder="controlnet-softedge")]
pipe = StableDiffusionXLControlNetPipeline.from_pretrained(
    "stabilityai/stable-diffusion-xl-base-1.0", controlnet=cns).to("cuda")
pipe.load_lora_weights(repo, subfolder="lora", weight_name="pytorch_lora_weights.safetensors")
pipe.fuse_lora(lora_scale=0.9)

image = pipe(
    "A realistic image of the Moon's surface, from the perspective of a rover. Black sky.",
    image=[depth_image, softedge_image],
    controlnet_conditioning_scale=[0.8, 0.5],
    num_inference_steps=30, guidance_scale=7.0,
).images[0]
Подробнее• Точность: средняя ошибка горизонта Horizon RMSE 0.94 px при 512 px.
• Обучение: 3000 шагов на 1277 кадрах в fp32 с использованием diffusers 0.31.0.
• Ограничения: некоммерческое использование (исследования и образование) из-за лицензий базовых моделей и данных NASA/JSC/ASU.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 4.7 GB · готовые файлы6.6 GB
  • FP8 / INT8рекомендуемвеса 2.3 GB4.1 GB
  • 4-bitвеса 1.3 GB2.9 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 5060 Ti 8GB

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

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.

    # RonInDune/despina-lunar-sdxl
    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 RonInDune/despina-lunar-sdxl --local-dir ~/models/despina-lunar-sdxl
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к despina-lunar-sdxl
  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

Новые посты про версии stable-diffusion-xl-base-1.0 — сжатые, дообучения, LoRA — появятся в колокольчике.

Сжатые версии 5Все на Hugging Face
Дообучения 12Все на Hugging Face
LoRA и адаптеры 12Все на Hugging Face
Слияния 2Все на Hugging Face

О модели

RonInDune/despina-lunar-sdxl
Автор
RonInDune
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии

Изображения

SD15 no-VAE DWD

SD15 no-VAE DWD
Изображения

SD 1.5 CoreML

SD 1.5 CoreML