Publicação: Geração e Aperfeiçoamento de Logotipos via Ajuste Fino no Stable Diffusion XL
Carregando...
Tipo do documento
Data
Direito de acesso
Programa
Área do conhecimento
CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO
Título da Revista
ISSN da Revista
Título de Volume
Autores
Orientador
Coorientador
Resumo
Esta dissertação avalia técnicas de ajuste fino (fine-tuning) aplicadas ao Stable Diffusion
XL (SDXL), versão de alta resolução do modelo de difusão latente, com foco na adaptação leve oferecida pelo LoRA—Low-Rank Adaptation, inserção de matrizes de baixa
dimensão que exige bem menos parâmetros. Prepararam-se seis conjuntos de dados específicos (datasets): estrutura tipográfica (wordmark), símbolo gráfico (iconic) e estilização
(minimalistic, vintage e cartoon). Cada conjunto foi treinado durante 10 épocas (epoch:
ciclo completo em que o modelo percorre todo o conjunto de treinamento), empregando
taxas de aprendizado distintas para o modulador de texto (encoder CLIP-Text) e para a
U-Net responsável pela imagem.
A fase experimental gerou 8 640 amostras, combinando sistematicamente a escala de orientação CFG (Classifier-Free Guidance), o número de etapas de denoising (Steps) e algoritmo de amostragem (sampler). As métricas adotadas incluíram similaridade CLIP
(aderência semântica), acurácia OCR (legibilidade do texto) e avaliação humana. Os resultados mostram que o ajuste fino via LoRA guia a difusão para um espaço de soluções
mais restrito e coerente, reduzindo ruído visual e variações indesejadas. A legibilidade
textual saltou de 37% no modelo base para 88% após o ajuste, superando 92% quando
se aplicou o pós-processamento de correção de texto (fix-text). A análise qualitativa confirma que a abordagem conserva o estilo desejado, melhora a precisão do nome da marca
e permite diminuir o número total de etapas de amostragem. Conclui-se que o LoRA,
aliado a curadoria criteriosa de dados e ajuste fino de hiperparâmetros, é a alternativa
mais eficaz para especializar o SDXL na geração automática de logomarcas.
Abstract
This dissertation assesses fine-tuning techniques applied to Stable Diffusion XL (SDXL)—the high-resolution variant of the latent-diffusion model—with special emphasis on the lightweight approach offered by LoRA (Low-Rank Adaptation), which inserts low-dimensional matrices and therefore adds far fewer parameters. Six dedicated data sets were prepared: typographic structure (wordmark), graphic symbol (iconic), and three style filters (minimalistic, vintage, cartoon). Each set was trained for 10 epochs (an epoch is one complete pass through the entire training set), using different learning rates for the text modulator (CLIP-Text encoder) and for the image-generating U-Net.
The experimental phase produced 8,640 samples, systematically combining the Classifier-Free Guidance scale (CFG), the number of denoising steps (Steps), and the sampling algorithm (sampler). Performance was measured with CLIP similarity (semantic adherence), OCR accuracy (text legibility), and human evaluation. Results show that LoRA fine-tuning steers diffusion toward a narrower, more coherent solution space, reducing visual noise and unwanted variation. Text legibility rose from 37 % in the base model to 88 % after adjustment, and exceeded 92 % when an optional text-correction post-process (fix-text) was applied. Qualitative analysis confirms that the procedure preserves the intended style, improves brand-name accuracy, and allows a reduction in the total number of sampling steps. The study concludes that LoRA—coupled with careful data curation and fine hyper-parameter tuning—is the most effective alternative for specializing SDXL in automatic logo generation.
Palavras-chave
Geração de imagens, Stable Diffusion XL, LoRA, Logomarcas, Ajuste fino
Citação
DUARTE, Henrique Tornelli. Geração e Aperfeiçoamento de Logotipos via Ajuste Fino no Stable Diffusion XL. 2025. 55 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Uberlândia, 2025.