gsmde-centros

GSMDE — centros especialistas

36 centros (16.9 GB) para o GSMDE Studio, uma arquitetura de difusão modular: em vez de um UNet monolítico, uma prateleira de especialistas que um roteador semântico escolhe a partir do prompt e pagina um por vez na VRAM.

Cada centro é um LoRA de rank alto sobre o UNet do SDXL, atacando to_k / to_q / to_v / to_out.0. Como todo checkpoint SDXL compartilha essa arquitetura, eles encaixam mecanicamente em qualquer SDXL — mas foram treinados contra o IDN_Illustrious_V10_B, base treinado pelo proprio autor, e quanto mais distante o seu base, mais eles erram o alvo. O Studio traz uma ferramenta que mede essa divergência antes de você trocar de backbone.

Como usar

Os centros não são LoRAs de uso avulso: eles esperam o roteador e a máscara de território do GSMDE. Aplicados soltos, com peso 1.0 na imagem toda, tendem a inundar a cena — o desenho supõe que cada um pinta só a região dele.

git clone https://github.com/NOTcisLol/gsmde-studio
hf download CairoAOGG4/gsmde-centros --local-dir ./centros

Hierarquia

O nível decide quem sobrevive quando o orçamento de VRAM aperta. Com poucas vagas, o genérico rende mais (person cobre muita tela); com folga, o detalhe é o que agrega (unhas melhora o que o genérico não sabe).

O hash da ideia

Cada centro carrega um hash_ideia, derivado das tags-âncora do treino. Dois centros com o mesmo hash disputam o mesmo território de atenção, ainda que um tenha 2 mil imagens e rank 96 e o outro 100 mil e rank 512. Serve para o orquestrador não carregar os dois juntos e para você comparar um centro seu com um destes sem precisar testar.

Os centros

Treino

Um centro por vez, uma imagem por passo, com requeue por loss — sem épocas. Datasets de 2.500 imagens com amostragem estratificada: cada tag do nicho recebe cota igual, ancorada na tag mais rara da imagem. Sem isso a tag dominante engole o conjunto (em bijuteria, hair_ornament tem 108 mil imagens e brooch tem 6 mil — sem estratificar, o centro viraria um especialista em laço de cabelo).

O rank sai da dispersão de assinaturas de tag do próprio nicho, não de um número fixo: escopo pequeno converge com pouco (unhas, rank 64), escopo largo precisa de mais (bijuteria e pele, rank 192).

Protocolo completo em docs/protocolo_treino.md.

Limitações conhecidas

• Treinados sobre IDN_Illustrious_V10_B (base do proprio autor); em bases distantes (SDXL 1.0 base, Pony) a qualidade cai sem dar erro nenhum — o pior tipo de falha para diagnosticar.
• Os clusters c6 e c7 rodaram com 1,6 passada pelo dataset, não com o currículo completo de 3 passadas de aquecimento. Ver o protocolo.
• Alguns centros do c7 (unhas, pes, boca, maquiagem) ainda não foram treinados.