prithivMLmods/Flux-GArt-LoRA

prithivMLmods

Texto a imagen

LoRA de texto a imagen para FLUX.1-dev orientado a generar escenas con estilo GArt, especialmente composiciones de arte exterior como paisajes desérticos, playas nocturnas, estadios y escenas amplias con iluminación marcada. El modelo está todavía en fase de entrenamiento, no es una versión final y puede producir artefactos o resultados pobres en algunos casos.

Como usar

Instalación y uso con Diffusers:
pip install -U diffusers transformers accelerate

import torch
from diffusers import DiffusionPipeline

# switch to "mps" for apple devices
pipe = DiffusionPipeline.from_pretrained(
    "black-forest-labs/FLUX.1-dev",
    dtype=torch.bfloat16,
    device_map="cuda"
)
pipe.load_lora_weights("prithivMLmods/Flux-GArt-LoRA")

prompt = "GArt, a man in a blue jacket and blue jeans is riding a brown horse down a dirt road in the middle of a desert."
image = pipe(prompt).images[0]

Configuración local indicada en la tarjeta del modelo:
import torch
from pipelines import DiffusionPipeline

base_model = "black-forest-labs/FLUX.1-dev"
pipe = DiffusionPipeline.from_pretrained(base_model, torch_dtype=torch.bfloat16)

lora_repo = "prithivMLmods/Flux-GArt-LoRA"
trigger_word = "GArt"
pipe.load_lora_weights(lora_repo)

device = torch.device("cuda")
pipe.to(device)

La palabra GArt debe incluirse en el prompt para activar la generación asociada al LoRA.

Funcionalidades

Adaptador LoRA para el modelo base black-forest-labs/FLUX.1-dev.
Generación de imágenes a partir de texto con Diffusers.
Usa la palabra disparadora GArt para activar el estilo del modelo.
Pesos disponibles en formato Safetensors.
Dimensiones recomendadas: 768 x 1024 como mejor configuración y 1024 x 1024 como configuración predeterminada.
Entrenado con 14 imágenes, 10 épocas y 2500 pasos.

Casos de uso

Crear imágenes estilizadas de escenas exteriores con estética GArt.
Generar arte visual de paisajes desérticos, playas nocturnas, estadios y escenarios panorámicos.
Probar un LoRA experimental sobre FLUX.1-dev en flujos locales con Diffusers.
Usar el modelo como adaptador en herramientas compatibles como Draw Things, DiffusionBee, notebooks o proveedores de inferencia.