Uso primário declarado ou inferido com cautela a partir da documentação oficial.
N
NVIDIA / nvidia/cdf-sim2real-smt-solderlight
CDF Sim2Real SMT Solderlight
Modelo de edição de imagem da NVIDIA, versão 1.0.0 publicada em 20 de outubro de 2026. Transforma recortes sintéticos de componentes de circuitos impressos renderizados em Omniverse num estilo de iluminação de inspeção ótica. Deriva de Qwen-Image-Edit com um ajuste LoRA fundido: o pacote inclui a pipeline completa, não um adaptador separado. O utilizador fornece a imagem; a instrução inglesa é fixa, não um prompt livre.
01 / RESUMO
O essencial
Capacidade máxima de entrada quando publicada pela fonte.
Limite máximo de geração documentado.
Canais de disponibilidade verificados.
Família funcional principal e especialidades verificadas.
Condições declaradas para API, pesos ou alojamento próprio.
02 / FICHA TÉCNICA
Limites e integração
| ID de API | nvidia/cdf-sim2real-smt-solderlight |
|---|---|
| Tipo de modelo | Imagem |
| Modelo de acesso | Pesos abertos |
| Licença | OpenMDW 1.1 |
| Implantação | Alojamento próprio com GPU NVIDIA |
| Lançamento | 20 OCT 2026 |
| Data de corte do conhecimento | Não publicado |
| Entrada | Imagem · Texto |
| Saída | Imagem |
| Janela de contexto | Uma imagem RGB de componente PCB e uma instrução fixa em inglês |
| saída máxima | Imagem PNG RGB; área-alvo de 262.144 píxeis |
| Raciocínio | Edição de iluminação, não inspeção automática |
| Ferramentas publicadas | |
| Passeios Estruturados | Não publicado |
| Processamento em lote | Não publicado |
| Cache de prompts | Não publicado |
| Ajuste fino | Não publicado |
| Plataformas verificadas | Hugging Face · PyTorch · Diffusers |
Aumento de dados sim-to-real para desenvolver sistemas de inspeção de placas. Procura conservar geometria, marcas e forma do componente ao alterar a iluminação. Carrega-se da subpasta model com QwenImageEditPipeline. Destina-se a recortes semelhantes à distribuição de treino, não a fotografia geral, geração a partir de texto ou diagnóstico de defeitos.
O treino utiliza uma área de 262.144 píxeis, equivalente a 512 × 512 em recortes quadrados: aproximadamente 0,262 megapíxeis, não 0,5. Outras resoluções podem degradar o estilo. Não decide a qualidade de uma placa: a aceitação ou rejeição exige um sistema posterior e revisão humana. A Inferama não executou o modelo nem verificou o desempenho industrial.
03 / CAPACIDADES
O que pode fazer
Orientação
Aumento de dados sim-to-real para desenvolver sistemas de inspeção de placas. Procura conservar geometria, marcas e forma do componente ao alterar a iluminação. Carrega-se da subpasta model com QwenImageEditPipeline. Destina-se a recortes semelhantes à distribuição de treino, não a fotografia geral, geração a partir de texto ou diagnóstico de defeitos.
Contexto
Uma imagem RGB de componente PCB e uma instrução fixa em inglês · Imagem PNG RGB; área-alvo de 262.144 píxeis
Ferramentas e integração
Não publicado
Acesso
Hugging Face · checkpoint descarregável
Modalidades de entrada
ImagemTexto
04 / PREÇOS
Custo documentado
| Conceito | Valor | Unidade/condição |
|---|---|---|
| Entrada padrão | Sem tarifa API oficial publicada | Tarifa padrão da API |
| Entrada em cache | Não publicado | Leitura de prefixos reutilizados |
| Escrita ou armazenamento em cache | Não publicado | A condição varia consoante o fornecedor |
| Saída padrão | Custo da infraestrutura própria | Pode incluir tokens de raciocínio |
| Entrada por lotes | Não publicado | Processamento assíncrono |
| Saída por lotes | Não publicado | Processamento assíncrono |
Pesos públicos sob OpenMDW 1.1; os componentes originais de Qwen-Image-Edit mantêm Apache 2.0. A ficha estima cerca de 20 mil milhões de parâmetros e 170 milhões de parâmetros LoRA treinados e fundidos. Não verificámos uma API comercial nem preços por imagem ou token: os custos numéricos permanecem vazios. Prevê GPU, memória, armazenamento e operação própria.
i Os preços mudam e podem depender do nível, região ou duração do contexto. Verifique a fonte antes de tomar uma decisão.
05 / AVALIAÇÕES
Como ler os resultados
“
A NVIDIA descreve 364 pares de treino e avaliação visual qualitativa, sem divisão independente de validação ou teste nem fotografias reais de referência incluídas. Não publica pontuações numéricas de qualidade industrial. Não herdamos benchmarks do modelo base. Para avaliar o uso real, separa placas de treino e teste, mede preservação geométrica e defeitos introduzidos e valida o efeito no inspetor posterior com revisão humana.
i Avaliação qualitativa do fornecedor; sem pontuações numéricas verificadas.
O Inferama só destaca o “melhor resultado” quando a métrica, o conjunto de testes, a configuração e a data permitem uma comparação equivalente. Os números do fornecedor são apresentados como declarações de sua própria fonte.
06 / VERSÕES
Cronologia
v1.0.0
Data de lançamento declarada na ficha oficial; não confundir com a criação ou alteração do repositório.
07 / FONTES