LoRA Text-to-Image Fine-Tuning - homerio/estilo_arquitetura_modernista_brasilia_v4

Este modelo é uma adaptação LoRA (Low-Rank Adaptation) para o modelo base stable-diffusion-v1-5/stable-diffusion-v1-5. Os pesos foram ajustados para especializar a Inteligência Artificial na geração de imagens fotorrealistas focadas na arquitetura modernista de Brasília.

Abaixo estão alguns exemplos de imagens geradas por este modelo:

Intended uses & limitations (Uso pretendido e limitações)

Este modelo possui fins acadêmicos e de pesquisa, destinado a explorar a capacidade de modelos estocásticos em aprender estilos arquitetônicos específicos.

How to use (Exemplo de Código)

Abaixo está um exemplo de como carregar o pipeline e gerar imagens usando a biblioteca diffusers:

import torch
from diffusers import StableDiffusionPipeline

# Configurações do modelo
model_id = "stable-diffusion-v1-5/stable-diffusion-v1-5"
lora_id = "homerio/estilo_arquitetura_modernista_brasilia_v4"
device = "cuda"

# Carregando o pipeline base e aplicando os pesos do LoRA
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe.to(device)
pipe.load_lora_weights(lora_id)

# Geração da imagem
prompt = "Fachada de um edifício modernista em Brasília, com curvas em concreto e céu azul"
generator = torch.Generator(device).manual_seed(42)
image = pipe(prompt, generator=generator).images[0]

image.save("brasilia_modernista.png")

Limitations and bias (Limitações e vieses)

Durante a validação técnica, observou-se que o modelo treinado apresentou vieses inerentes à natureza dos dados de treino. Há um forte viés estético voltado para a reprodução de formas geométricas em concreto, curvas e predominância de céu azul. Além disso, os testes de memorização (overfitting) não indicaram tendência do modelo em tentar reproduzir cópias exatas das imagens de treino em vez de generalizar para novos cenários.

Training details (Detalhes do Treinamento)

Dataset O modelo foi treinado no dataset homerio/atelie_estilo_brasilia. A curadoria envolveu 40 imagens autorais e originais que retratam construções icônicas e fachadas urbanas de Brasília (como o Congresso Nacional e o Palácio do Planalto). As legendas textuais preliminares foram geradas utilizando o modelo "BlipProcessor" e, posteriormente, revisadas e corrigidas manualmente para garantir altíssima correspondência semântica.

Hiperparâmetros

A escolha dos parâmetros otimizados consistiu na melhor configuração para equilibrar detalhes visuais sem causar instabilidade de treino:

- Rank (Dimensão LoRA): 16

- Training Steps (Passos): 1500

- Learning Rate (Taxa de Aprendizado): 2e-4

Evaluation (Avaliação)

O modelo foi submetido a métricas rigorosas:

CLIPScore: Usado para medir a similaridade angular e a fidelidade semântica (coerência) entre o prompt em texto fornecido e a imagem visual gerada na saída.

Avaliação de Memorização: Realizou-se uma comparação visual entre as imagens geradas com seed fixa e os dados originais do dataset, confirmando geração de imagens inerentes ao estilo aprendido.

Ética, Legislação e Autoria

Direitos Autorais: A organização do código-fonte, metodologia, estrutura técnica e o dataset original pertencem ao autor da pesquisa. Como a geração final não carece de intervenção humana "pixel a pixel", a saída do modelo esbarra em limitações de autoria reconhecida por IA perante a lei.

LGPD (Privacidade): O uso dos dados foi estritamente curado para conter apenas fachadas arquitetônicas (data mining para fins de pesquisa), garantindo ausência de rostos, placas de carro ou quaisquer dados sensíveis que firam a Lei Geral de Proteção de Dados.