👑 KING2-IMAGE-FULL

موديل SDXL مستقل — LoRA "King2" مدمجة كليًا داخل الأوزان، بلا أي ملف LoRA خارجي عند الاستخدام.

^{Standalone SDXL pipeline · King2 LoRA fused at scale 1.0 · fp16 · ~7.1 GB}

EN1 — "a futuristic royal palace at sunset, highly detailed, golden hour"

---

🖼️ مقارنة بصرية — نفس البذرة والخطوات (seed 42 · 28 steps · guidance 7.5 · 768×768 · fp16/T4)

base بدون أي تخصيص	lora SDXL + LoRA منفصلة	full (هذا الموديل) مستقل بالكامل

base English #2	lora English #2	full(this model)

مشاهد عربية (Arabic scene prompts)

---

📊 نتائج التحقق (أرقام حقيقية من GPU — T4)

تمت مقارنة الموديل المدمج مقابل الأساس ومقابل الأساس + LoRA منفصلة بنفس البذرة والمعاملات على T4 (fp16):

القياس (MAE — متوسط الخطأ المطلق للبكسلات)	EN1	EN2	الدلالة
مدمج ↔ الأساس (base_vs_full)	26.88	36.24	الفرق كبير — أسلوب King2 ظاهر بوضوح
مدمج ↔ الأساس+LoRA (lora_vs_full)	1.73	1.02	مطابق تقريبًا للوحة المنفصلة — الدمج صحيح

مؤشر	القيمة	الدلالة
زمن التحميل (full_load_sec)	96 s	موديل مستقل يُحمَّل من HF مباشرة
ذروة VRAM (full_vram_peak_gb)	7.05 GB	يعمل على T4 (16GB)
مفاتيح الـunet	1,680 (كلها دمجت)	بلا base_layer ولا ملفات LoRA

التقرير الآلي الكامل + كل الصور: test/test_report.json و test/.

---

🚀 الاستخدام — Quickstart

from diffusers import DiffusionPipeline
import torch

pipe = DiffusionPipeline.from_pretrained(
    "RASHID778/king2-image-full",
    torch_dtype=torch.float16,
).to("cuda")

image = pipe(
    "a futuristic royal palace at sunset, highly detailed, golden hour, epic composition",
    num_inference_steps=28,
    guidance_scale=7.5,
    height=768,
    width=768,
    negative_prompt="blurry, low quality, distorted, ugly, bad anatomy, watermark",
).images[0]

image.save("king2_full.png")

ملاحظة مهمة: لا يُحمَّل أي ملف LoRA خارجي — الأسلوب مدمج داخل الأوزان. للاستخدام عبر from_pretrained مباشرة دون الحاجة إلى RASHID778/king2-image وحدها.

---

📦 المكوّنات

المكوّن	المسار	الحجم
UNet (مدمج + مقفّل)	unet/diffusion_pytorch_model.fp16.safetensors	5.14GB
Text Encoder 1	text_encoder/model.fp16.safetensors	0.25GB
Text Encoder 2	text_encoder_2/model.fp16.safetensors	1.39GB
VAE (fp16-safe)	vae/diffusion_pytorch_model.fp16.safetensors	0.33GB

كلها fp16/safetensors.

---

⚠️ حدود

• الدقة — أفضل النتائج بين 512–768px؛ ما فوق 1024 قد يظهر عليه اقتطاعات.
• النص العربي — نفس سلوك SDXL الأساسي؛ لا تتوقّع كلمات عربية سليمة داخل الصورة (لكن الأوامر/المشاهد العربية تعمل جيدًا).
• VRAM — التوليد بدقة 768×768 يستهلك ~7GB VRAM. على بطاقات أصغر استخدم pipe.enable_attention_slicing() أو pipe.enable_model_cpu_offload().

---

📜 الترخيص

نموذج مشتق من SDXL Base 1.0 ويتوزع تحت CreativeML OpenRAIL-M. شروط الاستخدام الخاصة بالنموذج الأساسي سارية.

🙏 الاعتمادات

• النموذج الأساسي — Stability AI (stabilityai/stable-diffusion-xl-base-1.0)
• LoRA — RASHID778/king2-image (من تدريب RASHID778 على RASHID778/king2-image-dataset)
• fp16-SAFE VAE — @madebyollin sdxl-vae-fp16-fix

---

صُنع بـ👑 بواسطة RASHID778 — KING2 AI Series