Handasiyat-LoRA: نموذج لتوليد الأشكال الهندسية

وصف الموديل

هذا الموديل هو LoRA (Low-Rank Adaptation) تم ضبطه بدقة (fine-tuned) على الموديل الأساسي runwayml/stable-diffusion-v1-5. تم تصميمه خصيصًا لتوليد أشكال هندسية (دوائر، مربعات، مستطيلات، مثلثات، نجوم، خطوط) بألوان وأحجام ومواضع مختلفة على خلفية بيضاء بناءً على مطالبات نصية (prompts).

لقد تم تدريب الموديل باستخدام مجموعة بيانات مخصصة تم إنشاؤها برمجيًا (synthetically generated), مما يتيح تحكمًا دقيقًا في المخرجات.

حالات الاستخدام المقصودة

هذا الموديل مثالي لـ:

• توليد أشكال هندسية بسيطة لأغراض تعليمية.
• إنشاء أشكال واضحة ومميزة لعناصر التصميم الجرافيكي.
• استكشاف قدرات ضبط LoRA الدقيق لمفاهيم بصرية محددة.
• استخدامه كقاعدة لمهام توليد صور أكثر تعقيدًا تتضمن الأشكال.

كيفية الاستخدام

يمكنك بسهولة استخدام LoRA هذا مع مكتبة diffusers في بايثون. تأكد من تثبيت مكتبة diffusers: pip install diffusers transformers accelerate

إليك مثال على كود بايثون:

from diffusers import StableDiffusionPipeline
import torch

# تحميل خط أنابيب Stable Diffusion الأساسي
model_id = "runwayml/stable-diffusion-v1-5"
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)

# تحميل أوزان LoRA المدربة
# تأكد أن 'lora_weights/geometric_lora_final.safetensors' هو المسار الصحيح في مستودعك
pipe.load_lora_weights("AL-NAQEEP/Handasiyat-LoRA", weight_name="lora_weights/geometric_lora_final.safetensors")

# نقل خط الأنابيب إلى وحدة معالجة الرسوميات (GPU) إذا كانت متاحة
device = "cuda" if torch.cuda.is_available() else "cpu"
pipe.to(device)

# توليد صورة
prompt = "A large red circle in the center on a white background"
# يمكنك تجربة مطالبات أخرى مثل:
# "A small blue square in the top-left on a white background"
# "A medium green triangle in the bottom-right on a white background"
# "A vibrant yellow star in the center on a white background"
# "A thin pink line in the middle on a white background"
# "A large black rectangle in the bottom-left on a white background"
# "A small purple triangle in the top-right on a white background"

generator = torch.Generator(device=device).manual_seed(42) # لنتائج قابلة للاستنساخ

image = pipe(
    prompt,
    num_inference_steps=30, # بناءً على كود التدريب الخاص بك
    guidance_scale=7.5,    # بناءً على كود التدريب الخاص بك
    generator=generator
).images[0]

# حفظ أو عرض الصورة
image.save("generated_geometric_shape.png")
print("تم توليد الصورة وحفظها باسم 'generated_geometric_shape.png'")