К содержимому
Изображения

RRSD

официальные LoRA-адаптеры для улучшения Stable Diffusion 3.5 Medium

2 мин чтенияобновлено

Набор из двух LoRA (небольших подключаемых надстроек над базовой моделью) от автора WeiChow для генератора изображений Stable Diffusion 3.5 Medium (SD3.5-M). Адаптеры обучены по новому методу пост-обучения Relative Reward Self-Distillation (RRSD), который подтягивает качество картинок с помощью безградиентной самодистилляции по нескольким метрикам наград одновременно. Главное отличие от базовой SD3.5-M — модель стабильно работает без CFG (Classifier-Free Guidance — стандартного механизма усиления следования промпту, при guidance_scale=1.0), при этом заметно лучше собирает сложные композиции и читаемый текст на изображениях. Пригодится тем, кто использует SD3.5-M в diffusers и хочет поднять точность генерации и качество рендера надписей без смены базовых весов.

Ключевые особенности

  • Два варианта на выбор: в репозитории лежат полная версия RRSD (обучалась на 9 промежуточных состояниях на траекторию) и облегчённая RRSD-Lite (4 состояния).
  • Обучение по четырём наградам сразу: адаптеры оптимизированы под общую целевую функцию PickScore + HPSv2 + GenEval + OCR — это сразу влияет на эстетику, соответствие тексту и читаемость надписей.
  • Работа без CFG: оба чекпоинта рассчитаны на запуск с guidance_scale=1.0 и детерминированным солвером Euler ODE (40 шагов).
  • Свободная лицензия на веса: сами LoRA-адаптеры (формат PEFT safetensors, rank 32, lora_alpha=64) выпущены под Apache-2.0.

Что можно сделать

  • Генерировать иллюстрации с читаемым текстом: адаптеры заметно поднимают точность OCR (распознавания текста на картинке) — можно делать постеры, обложки и предметы с вывесками или баннерами прямо внутри промпта.
  • Собирать сложные многообъектные сцены: благодаря оптимизации под GenEval модель точнее соблюдает количество, расположение и свойства объектов в кадре.
  • Ускорить генерацию в SD3.5-M: поскольку guidance_scale=1.0 отключает второй проход для негативного промпта при CFG, пайплайн работает быстрее при высоком качестве картинки.

Пример

import torch
from diffusers import StableDiffusion3Pipeline
from peft import PeftModel

pipe = StableDiffusion3Pipeline.from_pretrained("stabilityai/stable-diffusion-3.5-medium", torch_dtype=torch.float16)
pipe.transformer = PeftModel.from_pretrained(pipe.transformer, "WeiChow/RRSD", subfolder="RRSD", is_trainable=False)
pipe = pipe.to("cuda")
image = pipe('A vintage brass compass resting on an old sea map with a banner reading "NORTHBOUND"', height=512, width=512, num_inference_steps=40, guidance_scale=1.0).images[0]
Подробнее Бенчмарки на 512×512 (40 шагов Euler, guidance_scale=1.0): GenEval Overall (Micro) вырос с 0.2857 у базовой SD3.5-M (без CFG) до 0.7242 у RRSD-Lite и 0.7468 у RRSD.
Точность OCR поднялась с 0.1246 до 0.8764 (RRSD-Lite) и 0.8923 (RRSD), а ImageReward — с -0.58 до 1.37 и 1.42 соответственно.
Обучение: 100 внешних раундов (115.2k траекторий), 185 H100 GPU-часов для RRSD-Lite и 375 H100 GPU-часов для RRSD.
Лицензия: Apache-2.0 на адаптеры, базовый чекпоинт SD3.5-M регулируется Stability AI Community License.
Обсудить Telegram 0

Запустится ли?

Считаем требования к памяти

Бот ещё собирает размеры весов этой модели — оценка появится здесь через несколько минут. Пока можно арендовать видеокарту с запасом.

Massed ComputeОткрыть Massed Compute

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.

    # WeiChow/RRSD
    # ===== 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 WeiChow/RRSD --local-dir ~/models/RRSD
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к RRSD
  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 RRSD — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

WeiChow/RRSD
Автор
WeiChow
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

DA-Flow

DA-Flow