import torch
from diffusers import DiffusionPipeline
# switch to "mps" for apple devices
pipe = DiffusionPipeline.from_pretrained("fill-in-base-model", dtype=torch.bfloat16, device_map="cuda")
pipe.load_lora_weights("KaKa427/luodian-vertical-model")
prompt = "Astronaut in a jungle, cold color palette, muted colors, detailed, 8k"
image = pipe(prompt).images[0]螺钿垂直模型（主项目）
本仓库记录【非遗螺钿产品设计】主项目的模型演进。
当前架构（2026-02）
- 主视觉模型：
SDXL + LoRA (kohya_ss) - 辅助模型：
LLaVA-7B LoRA（用于工艺解析/提示词辅助/结果复核） - 结论：LLaVA 不是主视觉生成引擎，主模型通过标准以 SDXL LoRA 为准。
为什么调整主线
此前阶段重点在 LLaVA 微调，能提升工艺语义表达，但不能直接提升像素级视觉质量。 项目目标是输出可打样、可销售的螺钿产品图，因此主线转为 SDXL LoRA。
主模型通过标准（DoD）
满足以下条件才视为“主模型通过”：
- 产出可加载 LoRA 权重（
.safetensors） - 在固定 prompt 下，
SDXL base + LoRA相比SDXL base螺钿特征更明显 - 通过项目评估规则（工艺可行性/合规）
- 结果可复现（固定 workflow + seed + 参数）
当前状态
- SDXL LoRA：正在云端训练与链路调试
- LLaVA LoRA：已完成阶段性验证，可作为辅助模块继续使用
仓库内容约定
checkpoints/：主模型训练产物（LoRA）project_docs/：主项目关键决议与训练变更文档training_logs/：关键训练日志与阶段结论
许可证与使用
当前仓库用于产学研协作与研究验证。商业落地请在版权、素材授权、品牌/IP 合规审查通过后再执行。
最后更新：2026-02-20
- Downloads last month
- -