许可协议：creativeml-openrail-m
语言：

• 英语
  任务标签：文本生成图像

本模型基于Stable Diffusion 1.5框架，采用RunwayML的MSE VAE进行微调，专为生成标准尺寸768x768或相同总像素数的多种比例图像而优化。

微调过程使用EveryDream2训练器（https://github.com/victorchall/EveryDream2trainer），分4个阶段共进行40轮训练（每阶段10轮），数据集包含3万张精选图像，涵盖美术、摄影和电子游戏等多元题材。
在RTX 6000 Ada 48GB显卡上总训练时长约60小时：初始以512标准尺寸批量12进行训练，后调整为640尺寸批量12，最终以768尺寸批量8配合4步梯度累积完成。
Unet权重采用bitsandbytes的AdamW8bit优化器（学习率1e-6），前30轮保持恒定学习率，后10轮采用余弦退火策略。
文本编码器通过Unet反向传播调优，使用相同AdamW8bit优化器（每阶段余弦学习率2e-7），并设置0.040权重衰减以应对较低正则化。

EveryDream2训练器实现了长宽比批量适配技术，显著减少了裁剪伪影。相较于原生SD1.5检查点（在训练分辨率512x512之外易出现主体重复），本模型能保持更高分辨率输出的稳定性。

优化器状态以.pt格式分别保存文本编码器和Unet的中间参数，可与Diffusers权重共同加载，便于在EveryDream2训练软件中恢复训练进程。