---
title: PS IMAGE 1.3
tags:
- text-to-image
- stable-diffusion
- stable-diffusion-diffusers
- lora
- photorealistic
- people
- cars
- textures
pipeline_tag: text-to-image
library_name: diffusers
base_model: stable-diffusion-v1-5/stable-diffusion-v1-5
---

# PS IMAGE v1.3 — pessoas + automóveis + texturas/materiais

LoRA sobre `stable-diffusion-v1-5/stable-diffusion-v1-5` (o antigo `runwayml/stable-diffusion-v1-5`,
que hoje redireciona para esse repo). Treinado **no Kaggle (Tesla T4, 16 GB)** via API, com o dataset
montado a partir de três fontes públicas do Hugging Face.

## O que mudou em relação à v1.2

| | v1.2 | v1.3 |
|---|---|---|
| Base | `runwayml/stable-diffusion-v1-5` | `stable-diffusion-v1-5/stable-diffusion-v1-5` |
| Conceitos | pets + Caltech101 (classes mistas) | pessoas, automóveis, texturas/materiais |
| Dataset | 3395 imgs (muitas miniaturas, sem legenda real) | 1820 imgs com **legenda derivada do rótulo real** |
| LoRA | rank 12, alpha 24, só atenção | rank 16, alpha 32, atenção **+ feed-forward** (5,98 M parâmetros) |
| Treino | 3000 steps, lr 1e-4, fp16 | 800 steps, lr 2,2e-4 cosine + warmup, min-SNR γ=5, **EMA 0,995** |
| Dados pessoas | Caltech "Faces" recortadas | FFHQ 512² com legenda descritiva real |
| Dados carros | Caltech `car_side` | Stanford Cars (196 classes: ano + marca + modelo) |
| Texturas | — | DTD (47 classes de superfície/material) |

## Comparação 1.2 × 1.3 (mesmo prompt, mesma seed, Euler 30 steps, CFG 7,5)

![comparativo](examples/grid_compare.png)
![multi-seed mesmo prompt](examples/multi_seed_historia.png)

Lendo o grid acima (colunas: base SD1.5 → v1.2 → v1.3, mesma seed):

- **Rostos**: a v1.2 **deforma** (linha 1 e 2: olho/boca trocados); a base é plástica; a **v1.3** mantém
  traços corretos com pele detalhada. É a maior vitória desta versão.
- **Texturas/materiais**: madeira (linha 6) e aço escovado (linha 7) ganham grão e brilho anisotrópico
  reais; linho (linha 8) melhora pouco.
- **Carros**: a v1.3 empata ou supera a v1.2 nas cenas urbanas (linhas 4 e 5 — a v1.2 deixa entulho
  verde no fundo) e continua mal em "pessoa apoiada no carro" (linha 9), que a base também erra.

## Como usar

```python
import torch
from diffusers import StableDiffusionPipeline, EulerDiscreteScheduler
from peft import PeftModel

BASE = "stable-diffusion-v1-5/stable-diffusion-v1-5"
pipe = StableDiffusionPipeline.from_pretrained(BASE, torch_dtype=torch.float16,
                                              safety_checker=None)
pipe.scheduler = EulerDiscreteScheduler.from_pretrained(BASE, subfolder="scheduler")
pipe.unet = PeftModel.from_pretrained(pipe.unet, "Pedro21613/PS-IMAGE-1.3")
pipe.unet = pipe.unet.merge_and_unload()
pipe.to("cuda")

img = pipe("ultra realistic photo of a man's face, weathered skin, visible pores, "
           "detailed skin texture, natural light, portrait, high quality",
           num_inference_steps=30, guidance_scale=7.5, height=512, width=512).images[0]
```

O script [`usar_v13.py`](usar_v13.py) faz isso por linha de comando (`--ema` usa a média móvel).

## Fórmulas que funcionam

- pessoas: `ultra realistic photo of <sujeito>, detailed skin texture, natural light, sharp focus, high quality`
- carros: `ultra realistic photo of a <ano marca modelo>, glossy paint, natural light, sharp focus`
- materiais: `macro close-up photo of <madeira / aço escovado / linho / mármore> texture, detailed surface, even lighting`

## Limites honestos desta versão

- **Só 800 steps** (~17 min de T4; 1,30 s/step, pico de 13,4 GB). É uma passada curta: suficiente para
  travar rostos e materiais, ainda fraca em composição complexa (pessoa + carro juntos, linha 9).
- Data em 512×512 com legendas curtas: mãos, placas e logotipos continuam ruins.
- Próximos passos: 2500–3500 steps, reforçar carros (~1200 imgs) e deixar o LR final em 0,05×.
  O script completo está em `psimage_train.py` (este repo) — roda direto no Kaggle com `--accelerator
  NvidiaTeslaT4` (a P100 da conta quebra: o torch `2.10+cu128` da imagem não tem kernel para sm_60).
- A coluna **EMA** não é usada aqui: com 800 steps a média móvel (decay 0,995) ainda está
  sub-treinada e quase igual à base.

## Arquivos

| arquivo | conteúdo |
|---|---|
| `adapter_model.safetensors` | LoRA final (r16, atenção + FF, 24 MB) |
| `ema/adapter_model.safetensors` | versão EMA (mais estável, mais suave) |
| `examples/` | grades comparativas e amostras |
| `training_config.json`, `training_report.json` | hiperparâmetros, curva de loss, VRAM e tempo |
| `usar_v13.py` | geração por linha de comando |

### Nota técnica (se for treinar de novo com este script)

O arquivo do adapter precisa usar as chaves **`base_model.model.<...>.lora_A.weight`** e o metadata
`{"format": "pt"}`. No primeiro upload as chaves estavam sem o prefixo `base_model.model.` e o peft
carregava o adapter **vazio sem dar erro** — as imagens saíam idênticas à SD1.5 pura. Corrigido em
`psimage_train.py` (`param_key`) e no arquivo deste repo.

Treinado automaticamente via Kaggle API + Hugging Face Hub por agente no Arena.ai, 2026-09-11.