Uso primario dichiarato o dedotto con cautela dalla documentazione ufficiale.
N
NVIDIA / nvidia/cdf-sim2real-smt-solderlight
CDF Sim2Real SMT Solderlight
Modello di editing d’immagine NVIDIA, versione 1.0.0 pubblicata il 20 ottobre 2026. Trasforma ritagli sintetici di componenti di circuiti stampati renderizzati in Omniverse in uno stile d’illuminazione da ispezione ottica. Deriva da Qwen-Image-Edit con un fine-tuning LoRA fuso: il pacchetto include l’intera pipeline, non un adattatore separato. L’utente fornisce l’immagine; l’istruzione inglese è fissa, non un prompt libero.
01 / RIEPILOGO
L'essenziale
Capacità di input massima quando pubblicata dalla fonte.
Limite massimo di generazione documentato.
Canali di disponibilità verificati.
Famiglia funzionale principale e specialità verificate.
Condizioni dichiarate per API, pesi o distribuzione autonoma.
02 / SCHEDA TECNICA
Limiti e integrazione
| ID API | nvidia/cdf-sim2real-smt-solderlight |
|---|---|
| Tipo di modello | Immagine |
| Modalità di accesso | Pesi aperti |
| Licenza | OpenMDW 1.1 |
| Distribuzione | Deployment autonomo con GPU NVIDIA |
| Rilascio | 20 OCT 2026 |
| Cutoff della conoscenza | Non pubblicato |
| Entrata | Immagine · Testo |
| Uscita | Immagine |
| Finestra di contesto | Un’immagine RGB di un componente PCB e un’istruzione fissa in inglese |
| rendimento massimo | Immagine PNG RGB; area obiettivo di 262.144 pixel |
| Ragionamento | Modifica dell’illuminazione, non ispezione automatica |
| Strumenti pubblicati | |
| Uscite strutturate | Non pubblicato |
| Elaborazione batch | Non pubblicato |
| Cache dei prompt | Non pubblicato |
| Fine-tuning | Non pubblicato |
| Piattaforme verificate | Hugging Face · PyTorch · Diffusers |
Aumento dei dati sim-to-real per sviluppare sistemi d’ispezione delle schede. Mira a conservare geometria, marcature e forma del componente modificandone l’illuminazione. Si carica dalla sottocartella model con QwenImageEditPipeline. È destinato a ritagli simili alla distribuzione d’addestramento, non alla fotografia generale, alla generazione da testo o alla diagnosi dei difetti.
L’addestramento usa un’area di 262.144 pixel, equivalente a 512 × 512 per ritagli quadrati: circa 0,262 megapixel, non 0,5. Altre risoluzioni possono degradare lo stile. Non decide la qualità di una scheda: accettazione o scarto richiedono un sistema a valle e revisione umana. Inferama non ha eseguito il modello né verificato le prestazioni industriali.
03 / CAPACITÀ
Cosa può fare
Orientamento
Aumento dei dati sim-to-real per sviluppare sistemi d’ispezione delle schede. Mira a conservare geometria, marcature e forma del componente modificandone l’illuminazione. Si carica dalla sottocartella model con QwenImageEditPipeline. È destinato a ritagli simili alla distribuzione d’addestramento, non alla fotografia generale, alla generazione da testo o alla diagnosi dei difetti.
Contesto
Un’immagine RGB di un componente PCB e un’istruzione fissa in inglese · Immagine PNG RGB; area obiettivo di 262.144 pixel
Strumenti e integrazione
Non pubblicato
Accesso
Hugging Face · checkpoint scaricabile
Modalità di input
ImmagineTesto
04 / PREZZI
Costo documentato
| Concetto | Di valore | Unità/condizione |
|---|---|---|
| Input standard | Nessuna tariffa API ufficiale pubblicata | Tariffa API standard |
| Input in cache | Non pubblicato | Lettura di prefissi riutilizzati |
| Scrittura o archiviazione della cache | Non pubblicato | La condizione varia in base al fornitore |
| Output standard | Costo dell’infrastruttura propria | Può includere token di ragionamento |
| Input batch | Non pubblicato | Elaborazione asincrona |
| Output batch | Non pubblicato | Elaborazione asincrona |
Pesi pubblici sotto OpenMDW 1.1; i componenti originali di Qwen-Image-Edit mantengono Apache 2.0. La scheda stima circa 20 miliardi di parametri e 170 milioni di parametri LoRA addestrati e fusi. Non abbiamo verificato un’API commerciale né prezzi per immagine o token: i costi numerici restano vuoti. Prevedi GPU, memoria, archiviazione e gestione autonoma.
i I prezzi cambiano e possono dipendere dal livello, dalla regione o dalla durata del contesto. Controlla la fonte prima di prendere una decisione.
05 / VALUTAZIONI
Come leggere i risultati
“
NVIDIA descrive 364 coppie d’addestramento e una valutazione visiva qualitativa, senza suddivisione indipendente di validazione o test né fotografie reali di riferimento incluse. Non pubblica punteggi numerici di qualità industriale. Non ereditiamo benchmark del modello base. Per valutare l’uso reale, separa schede di addestramento e test, misura conservazione geometrica e difetti introdotti e valida l’effetto sull’ispettore a valle con revisione umana.
i Valutazione qualitativa del fornitore; nessun punteggio numerico verificato.
Inferama evidenzia un "miglior risultato" solo quando la metrica, il set di test, la configurazione e la data consentono un confronto equivalente. I dati del fornitore sono presentati come affermazioni provenienti dalla propria fonte.
06 / VERSIONI
Cronologia
v1.0.0
Data di rilascio dichiarata nella scheda ufficiale; non confonderla con la creazione o la modifica del repository.
07 / FONTI