Rewrite README: weights + metrics only, drop samples

README.md

@@ -17,54 +17,99 @@ library_name: peft
 inference: false
 ---
 
-# Mage-Flow-RGBA VAE
+# CKMoss-Image-RGBA VAE — step 14000 continuation
+
+本仓库发布 **Mage RGBA VAE 的续训权重（step 14000）**。结构参考
+[ChenkinLab/CKMoss-Image-RGBA](https://huggingface.co/ChenkinLab/CKMoss-Image-RGBA)。
 
 ## 文件
 
 | 路径 | 说明 |
 | --- | --- |
-| `vae/MAGE_rgba_vae.safetensors` | 已合并 LoRA 的 RGBA VAE 权重（404.6 MB），可直接加载 |
+| `vae/moss_rgba_vae.safetensors` | 已合并 LoRA 的 RGBA VAE 权重（404.6 MB），可直接加载 |
 | `vae/mage_config.json` | 模型结构配置 |
 | `vae/weights.json` | 合并前后数值一致性报告 |
 | `checkpoint-00014000/lora/adapter_model.safetensors` | 未合并的 LoRA 适配器（43.7 MB，rank 32） |
 | `checkpoint-00014000/lora/adapter_config.json` | PEFT/LoRA 配置 |
+| `checkpoint-00014000/lora/mage_config.json` | 适配器对应的模型配置 |
 | `checkpoint-00014000/progress.json` | 训练进度（step 14000，next_batch 44000） |
+| `checkpoint-00014000/manifest.json` | 该 checkpoint 的文件清单与 SHA256 |
 
 ## 训练指标
 
-累计到 **14310** 步；**最后一个完整保存的 checkpoint 是 step 14000**。
+从 step 3000 的官方 checkpoint 继续训练，累计到 **14310** 步；**最后一个完整保存的 checkpoint 是 step 14000**。
+
+训练损失（1131 条日志，3010→14310，前 100 条 vs 后 100 条均值）：
 
-| 指标（1131 条日志，3010→14310） | 前 100 条均值 | 后 100 条均值 | 变化 |
+| 指标 | 前 100 条 | 后 100 条 | 变化 |
 | --- | ---: | ---: | ---: |
-| Total loss | 0.010546 | 0.008037 | −23.8% |
-| Alpha MAE | 0.011672 | 0.008140 | −30.3% |
-| AB-MSE | 0.001462 | 0.001092 | −25.3% |
-| LPIPS | 0.009080 | 0.006940 | −23.6% |
+| Total loss | 0.010546 | 0.008037 | -23.8% |
+| Alpha MAE | 0.011672 | 0.008140 | -30.3% |
+| AB-MSE | 0.001462 | 0.001092 | -25.3% |
+| LPIPS | 0.009080 | 0.006940 | -23.6% |
 | Latent RMS | 1.0184 | 1.0378 | +1.9% |
 
+固定 8 张验证图（每 500 步一次，共 22 次）：
+
+| 指标 | step 3500 | step 10000 | step 11500 | step 14000 | 最佳 |
+| --- | ---: | ---: | ---: | ---: | --- |
+| Alpha MAE ↓ | 0.01498 | 0.01111 | 0.01107 | 0.01131 | 0.01107 @ 11500 |
+| PSNR ↑ | 29.99 dB | 30.99 dB | 31.08 dB | 31.12 dB | 31.12 dB @ 13500 |
+| 黑底 PSNR ↑ | 31.98 dB | 32.62 dB | 32.66 dB | 32.70 dB | 32.71 dB @ 13500 |
+| 白底 PSNR ↑ | 28.01 dB | 29.36 dB | 29.50 dB | 29.54 dB | 29.54 dB @ 14000 |
+
+验证集全过程（step: alpha_mae / psnr）：
+
+```text
+3500:  0.014978 / 29.991      4000:  0.014611 / 30.022      4500:  0.015406 / 30.041
+5000:  0.013589 / 30.379      5500:  0.014032 / 30.254      6000:  0.011927 / 30.572
+6500:  0.012099 / 30.638      7000:  0.013357 / 30.563      7500:  0.013159 / 30.746
+8000:  0.012951 / 30.753      8500:  0.011807 / 30.862      9000:  0.013030 / 30.866
+9500:  0.012347 / 30.934     10000:  0.011113 / 30.991     10500:  0.011471 / 31.030
+11000:  0.011390 / 31.054     11500:  0.011066 / 31.081     12000:  0.011170 / 31.091
+12500:  0.011085 / 31.101     13000:  0.011291 / 31.107     13500:  0.011092 / 31.121
+14000:  0.011312 / 31.118
+```
+
+训练配置：512px、bf16、micro-batch 8 × accumulation 4（global batch 32）、LoRA rank/alpha 32、
+单卡 DCU，平均约 **4.79 秒/步**，峰值显存约 39.5 GiB。
+优化器与随机状态文件只用于精确续训，推理不需要。
+
+## 使用
 
-| 指标 | step 3500 | step 14000 | 最佳 |
-| --- | ---: | ---: | --- |
-| Alpha MAE ↓ | 0.01498 | 0.01131 | 0.01107 @ 11500 |
-| PSNR ↑ | 29.99 dB | 31.12 dB | 31.12 dB @ 13500 |
-| 黑底 PSNR ↑ | 31.98 dB | 32.70 dB | — |
-| 白底 PSNR ↑ | 28.01 dB | 29.54 dB | — |
+```python
+from huggingface_hub import hf_hub_download
+from safetensors.torch import load_file
 
-训练配置：512px、bf16、micro-batch 8 × accumulation 4（global batch 32）、LoRA rank/alpha 32、单卡 DCU，平均约 **4.79 秒/步**。
-优化器与随机状态文件只用于精确续训，推理不需要。
+repo = "leafmoone/CKMoss-Image-RGBA-vae"
+weights = hf_hub_download(repo, "vae/moss_rgba_vae.safetensors")
+state = load_file(weights)
+```
+
+VAE 输入/输出均为 4 通道、归一化到 `[-1, 1]`，Alpha 在通道 3，`+1` 表示不透明。
 
+## 已知限制
 
-### 重要说明：原生 alpha 与后处理
+本仓库只包含 **VAE 阶段**的权重，**没有训练 DiT LoRA 阶段**。
 
-本次只训练了 **VAE**，没有训练第二阶段 **DiT LoRA**。因此：
+- VAE 对真实 RGBA 输入的重建可以正确恢复 Alpha（见上面的验证指标，alpha MAE 约 0.011）；
+- 但 MOSS-Image 的 DiT 只生成 RGB 潜变量，不携带透明度信息，因此直接用文本生成时
+  **模型原生 alpha 接近 1（不透明）**，在提示词中写 transparent background 也无法改变这一点。
 
-- VAE 对**真实 RGBA 输入**的重建可以正确恢复 Alpha（见 `samples/reconstruction/` 与验证指标）；
+实测对照（同一 prompt、seed 47、30 steps、512×768、MOSS-Image-Base）：
 
-如果需要对生成图原生输出透明通道，需要补训 DiT LoRA 阶段。
+| 配置 | alpha 均值 | 透明像素比例 |
+| --- | ---: | ---: |
+| 本 VAE，无 DiT LoRA | 0.987 | 0% |
+| 官方 CKMoss VAE，无 DiT LoRA | 0.827 | 0% |
+| 本 VAE + 官方 DiT LoRA | 0.417 | 12.2% |
+| 官方 CKMoss VAE + 官方 DiT LoRA | 0.242 | 72.6% |
 
+结论：透明生成能力主要来自 DiT LoRA 阶段。若要原生透明输出，需要补训 DiT LoRA。
 
 ## 许可与致谢
 
-基于[Mage](https://github.com/microsoft/Mage)（MIT）与
+基于 [MOSS-Image](https://github.com/OpenMOSS/MOSS-Image)（Apache-2.0）、
+[Mage](https://github.com/microsoft/Mage)（MIT）与
 [CKMoss-Image-RGBA](https://github.com/Chenkin-x/CKMoss-Image-RGBA)（GPLv3）。
 本项目采用 GPLv3，见 `LICENSE` 与 `NOTICE`。