Stable Diffusion
Цитата: Екатерина от 13.02.2023, 09:08Доброе утро! Когда протренировала модель, и хочу её в разных стилях, но когда пишу разные стили, всё равно выходит один и тот же, не аниме, не нарисованный. Как сделать протренированную модель в разных стилях?
Доброе утро! Когда протренировала модель, и хочу её в разных стилях, но когда пишу разные стили, всё равно выходит один и тот же, не аниме, не нарисованный. Как сделать протренированную модель в разных стилях?
Цитата: Сергей от 13.02.2023, 19:22Друзья, коллеги, хотел бы поделиться еще мыслями по поводу тренировки гиперсетей.
Я потратил на это дело пару недель времени, пробовал тренировать сеть на разных фотосетах (от 12 до 38 фото), на разных моделях и т.д. и, возможно, мои выводы сэкономят кому то время или ответят на возникшие вопросы.
Совершенно очевидно, что отправной точкой является видео "Train" глубокоуважаемого Хачатура, его ответы и комментарии на бусте, а так же ответы не менее уважаемого Сергея на форуме.
И так пример: тренируем гиперсеть на фотосете девушки (знакомой - что бы четко определять "похожесть" сгенерированных картинок оригиналу).
Тренируем с ключевым словом "woman" набрав фотосет из портретных (в основном), "по пояс" (поменьше) и "в полный рост" (совсем мало) фотографий одного человека.После тренировки подключаем свежую гиперсеть и начинаем генерацию.
И так, по запросу, аналогичному "обучающему" (т.е. woman) и размером изображения 512 на 512 - мы получаем отличные портретные картинки, с очень узнаваемой моделью, тут вопросов нет, оценка "отлично".
При генерации "в полный рост" - как правило лицо совсем не то (вероятно не хватает разрешения).
При генерации портретного фото в разрешении, отличном от 512 на 512, частенько получем 2 головы и прочие глюки (несмотря на наличие негтиного промта).
При усложнении запроса (даже просто при изменении цвета волос - redhead woman (привет, Хачатур!=))), а так же при подключении стилей (что, впрочем тоже самое) - мы получаем генерацию разной степени "похожести" на исходную модель, как правило "на троечку".При сильном усложнении запроса - получем картинку с лицом "очень очень сильно по мотивам" исходной модели. При этом нейросеть старается затащить в картинку все что было в исходном фотосете, например при генерации "девушки в тяжелых доспехах", рисуется платье из исходного фотосета и затем слегка стилизуется под тот самый "тяжелый доспех".
Аналогичным образом происходит и с фоном (бэкграундом) генерируемых по сложным запросам изображений.Получив такие результаты, выработал для себя следующий вариант использования гиперсети: генеришь любую нужную картинку без подключенной гиперсети, закидываешь нужную картинку в inpaint, кидаешь маску на лицо (ну или брови, глаза, нос, рот) Mask mode - Inpaint masked, Masked content - original, Inpaint area - Only masked, в запрос ставишь свою гиперсетку и генеришь 512x512 - отлично работает, на порядок лучше чистой генерации на своей гиперсети, при "усложненном" запросе. При этом необходимо учитывать что при настройке Masked content "original" - как правило лицо лучше "вписывается" в окружение, при настройке Masked content "fill" - лицо почти идеально похоже на оригинал. Для оптимального результата настройки cfg scale используем от 4 до 6, и denoising strenght от 0.3 до 0.6 (то есть эти параметры не задираем).
Сразу оговорюсь, что все вышесказанное является сугубо ИМХО, я совсем новичек в нейросетях, а так же не являюсь программистом.
А теперь, коротко, выводы и, возможно, вопросы знатокам:1. На мой взгляд лучшая модель для обучения все таки Delibirate (cfg scale 4!), поскольку F222 и др. очень жестко реагируют даже на мимческие морщины в исходном датасете, генеря людей на 10-15-20 лет старше исходной модели.
2. Лучшим вариантом использования своей гиперсети на данный момент является кейс с inpaint.
- Возможно при этом стоит уделить больше внимания "портретным" фотографиям в исходном датасете, поскольку фото "по пояс" и уже тем более "в полный рост" при таком варианте использования гиперсети скорее всего не нужны.
- Вероятно, нет смысла заморчиваться со сменой (перекраской) одежды и заднего фона, поскольку генерим только лицо, лучше набрать в исходный датасет фотографии с разными эмоциями и ракусами лица.
3. При таком варианте использования гиперсети, мы скорее всего теряем возможность добавить на кожу лица грязь, царапины и тд - для соответствия остальной картинке (поскольку при усложнении запроса - получаем лицо "по мотивам").
4. В комментариях под видео Tiling – ПОЛНЫЙ разбор на бусте, пользователем Lesya Serdolik (спасибо за наводку!) обсуждалась возможность объединять свои стандартные модели с Deliberate в Checkpoint Merger и, как я понял, такой вариант позволит генерить "узнаваемых" персонажей в сложных запросах, но пока не совсем понимаю каким образом можно объединить гиперсеть и checkpoint, возможно "гуру" как то прокомментируют этот момент или даже запилят урок на эту тему.Всем спасибо!
Друзья, коллеги, хотел бы поделиться еще мыслями по поводу тренировки гиперсетей.
Я потратил на это дело пару недель времени, пробовал тренировать сеть на разных фотосетах (от 12 до 38 фото), на разных моделях и т.д. и, возможно, мои выводы сэкономят кому то время или ответят на возникшие вопросы.
Совершенно очевидно, что отправной точкой является видео "Train" глубокоуважаемого Хачатура, его ответы и комментарии на бусте, а так же ответы не менее уважаемого Сергея на форуме.
И так пример: тренируем гиперсеть на фотосете девушки (знакомой - что бы четко определять "похожесть" сгенерированных картинок оригиналу).
Тренируем с ключевым словом "woman" набрав фотосет из портретных (в основном), "по пояс" (поменьше) и "в полный рост" (совсем мало) фотографий одного человека.
После тренировки подключаем свежую гиперсеть и начинаем генерацию.
И так, по запросу, аналогичному "обучающему" (т.е. woman) и размером изображения 512 на 512 - мы получаем отличные портретные картинки, с очень узнаваемой моделью, тут вопросов нет, оценка "отлично".
При генерации "в полный рост" - как правило лицо совсем не то (вероятно не хватает разрешения).
При генерации портретного фото в разрешении, отличном от 512 на 512, частенько получем 2 головы и прочие глюки (несмотря на наличие негтиного промта).
При усложнении запроса (даже просто при изменении цвета волос - redhead woman (привет, Хачатур!=))), а так же при подключении стилей (что, впрочем тоже самое) - мы получаем генерацию разной степени "похожести" на исходную модель, как правило "на троечку".
При сильном усложнении запроса - получем картинку с лицом "очень очень сильно по мотивам" исходной модели. При этом нейросеть старается затащить в картинку все что было в исходном фотосете, например при генерации "девушки в тяжелых доспехах", рисуется платье из исходного фотосета и затем слегка стилизуется под тот самый "тяжелый доспех".
Аналогичным образом происходит и с фоном (бэкграундом) генерируемых по сложным запросам изображений.
Получив такие результаты, выработал для себя следующий вариант использования гиперсети: генеришь любую нужную картинку без подключенной гиперсети, закидываешь нужную картинку в inpaint, кидаешь маску на лицо (ну или брови, глаза, нос, рот) Mask mode - Inpaint masked, Masked content - original, Inpaint area - Only masked, в запрос ставишь свою гиперсетку и генеришь 512x512 - отлично работает, на порядок лучше чистой генерации на своей гиперсети, при "усложненном" запросе. При этом необходимо учитывать что при настройке Masked content "original" - как правило лицо лучше "вписывается" в окружение, при настройке Masked content "fill" - лицо почти идеально похоже на оригинал. Для оптимального результата настройки cfg scale используем от 4 до 6, и denoising strenght от 0.3 до 0.6 (то есть эти параметры не задираем).
Сразу оговорюсь, что все вышесказанное является сугубо ИМХО, я совсем новичек в нейросетях, а так же не являюсь программистом.
А теперь, коротко, выводы и, возможно, вопросы знатокам:
1. На мой взгляд лучшая модель для обучения все таки Delibirate (cfg scale 4!), поскольку F222 и др. очень жестко реагируют даже на мимческие морщины в исходном датасете, генеря людей на 10-15-20 лет старше исходной модели.
2. Лучшим вариантом использования своей гиперсети на данный момент является кейс с inpaint.
- Возможно при этом стоит уделить больше внимания "портретным" фотографиям в исходном датасете, поскольку фото "по пояс" и уже тем более "в полный рост" при таком варианте использования гиперсети скорее всего не нужны.
- Вероятно, нет смысла заморчиваться со сменой (перекраской) одежды и заднего фона, поскольку генерим только лицо, лучше набрать в исходный датасет фотографии с разными эмоциями и ракусами лица.
3. При таком варианте использования гиперсети, мы скорее всего теряем возможность добавить на кожу лица грязь, царапины и тд - для соответствия остальной картинке (поскольку при усложнении запроса - получаем лицо "по мотивам").
4. В комментариях под видео Tiling – ПОЛНЫЙ разбор на бусте, пользователем Lesya Serdolik (спасибо за наводку!) обсуждалась возможность объединять свои стандартные модели с Deliberate в Checkpoint Merger и, как я понял, такой вариант позволит генерить "узнаваемых" персонажей в сложных запросах, но пока не совсем понимаю каким образом можно объединить гиперсеть и checkpoint, возможно "гуру" как то прокомментируют этот момент или даже запилят урок на эту тему.
Всем спасибо!
Цитата: Roman от 13.02.2023, 19:29Всем привет!!!) Народ а как в тилиг убрать лишний палец или фалангу на руке, примерно какие параметры ставить?
Всем привет!!!) Народ а как в тилиг убрать лишний палец или фалангу на руке, примерно какие параметры ставить?
Цитата: Олег от 13.02.2023, 22:43Цитата: Сергей от 13.02.2023, 19:22Друзья, коллеги, хотел бы поделиться еще мыслями по поводу тренировки гиперсетей.
Да, так оно и есть.
Насколько я понял - единственный способ впихнуть свой токен в модель-чекпоинт это Dreamboot. Остальные способы просто создают обвязку которая "стягивает" генерируемое изображение к заданной цели - гипернет к объекту, текстовая инверсия эмбединг к стилю и работая снаружи - внутрь модели не встраиваются в принципе. Хотя я могу и наврать, но такая картина у меня в голове, на сегодняшний день.
Цитата: Сергей от 13.02.2023, 19:22Друзья, коллеги, хотел бы поделиться еще мыслями по поводу тренировки гиперсетей.
Да, так оно и есть.
Насколько я понял - единственный способ впихнуть свой токен в модель-чекпоинт это Dreamboot. Остальные способы просто создают обвязку которая "стягивает" генерируемое изображение к заданной цели - гипернет к объекту, текстовая инверсия эмбединг к стилю и работая снаружи - внутрь модели не встраиваются в принципе. Хотя я могу и наврать, но такая картина у меня в голове, на сегодняшний день.
Цитата: Денис от 14.02.2023, 11:28Цитата: Сергей от 13.02.2023, 19:22Друзья, коллеги, хотел бы поделиться еще мыслями по поводу тренировки гиперсетей.
[spoiler title=""]
Я потратил на это дело пару недель времени, пробовал тренировать сеть на разных фотосетах (от 12 до 38 фото), на разных моделях и т.д. и, возможно, мои выводы сэкономят кому то время или ответят на возникшие вопросы.
Совершенно очевидно, что отправной точкой является видео "Train" глубокоуважаемого Хачатура, его ответы и комментарии на бусте, а так же ответы не менее уважаемого Сергея на форуме.
И так пример: тренируем гиперсеть на фотосете девушки (знакомой - что бы четко определять "похожесть" сгенерированных картинок оригиналу).
Тренируем с ключевым словом "woman" набрав фотосет из портретных (в основном), "по пояс" (поменьше) и "в полный рост" (совсем мало) фотографий одного человека.После тренировки подключаем свежую гиперсеть и начинаем генерацию.
И так, по запросу, аналогичному "обучающему" (т.е. woman) и размером изображения 512 на 512 - мы получаем отличные портретные картинки, с очень узнаваемой моделью, тут вопросов нет, оценка "отлично".
При генерации "в полный рост" - как правило лицо совсем не то (вероятно не хватает разрешения).
При генерации портретного фото в разрешении, отличном от 512 на 512, частенько получем 2 головы и прочие глюки (несмотря на наличие негтиного промта).
При усложнении запроса (даже просто при изменении цвета волос - redhead woman (привет, Хачатур!=))), а так же при подключении стилей (что, впрочем тоже самое) - мы получаем генерацию разной степени "похожести" на исходную модель, как правило "на троечку".При сильном усложнении запроса - получем картинку с лицом "очень очень сильно по мотивам" исходной модели. При этом нейросеть старается затащить в картинку все что было в исходном фотосете, например при генерации "девушки в тяжелых доспехах", рисуется платье из исходного фотосета и затем слегка стилизуется под тот самый "тяжелый доспех".
Аналогичным образом происходит и с фоном (бэкграундом) генерируемых по сложным запросам изображений.Получив такие результаты, выработал для себя следующий вариант использования гиперсети: генеришь любую нужную картинку без подключенной гиперсети, закидываешь нужную картинку в inpaint, кидаешь маску на лицо (ну или брови, глаза, нос, рот) Mask mode - Inpaint masked, Masked content - original, Inpaint area - Only masked, в запрос ставишь свою гиперсетку и генеришь 512x512 - отлично работает, на порядок лучше чистой генерации на своей гиперсети, при "усложненном" запросе. При этом необходимо учитывать что при настройке Masked content "original" - как правило лицо лучше "вписывается" в окружение, при настройке Masked content "fill" - лицо почти идеально похоже на оригинал. Для оптимального результата настройки cfg scale используем от 4 до 6, и denoising strenght от 0.3 до 0.6 (то есть эти параметры не задираем).
Сразу оговорюсь, что все вышесказанное является сугубо ИМХО, я совсем новичек в нейросетях, а так же не являюсь программистом.
А теперь, коротко, выводы и, возможно, вопросы знатокам:1. На мой взгляд лучшая модель для обучения все таки Delibirate (cfg scale 4!), поскольку F222 и др. очень жестко реагируют даже на мимческие морщины в исходном датасете, генеря людей на 10-15-20 лет старше исходной модели.
2. Лучшим вариантом использования своей гиперсети на данный момент является кейс с inpaint.
- Возможно при этом стоит уделить больше внимания "портретным" фотографиям в исходном датасете, поскольку фото "по пояс" и уже тем более "в полный рост" при таком варианте использования гиперсети скорее всего не нужны.
- Вероятно, нет смысла заморчиваться со сменой (перекраской) одежды и заднего фона, поскольку генерим только лицо, лучше набрать в исходный датасет фотографии с разными эмоциями и ракусами лица.
3. При таком варианте использования гиперсети, мы скорее всего теряем возможность добавить на кожу лица грязь, царапины и тд - для соответствия остальной картинке (поскольку при усложнении запроса - получаем лицо "по мотивам").
4. В комментариях под видео Tiling – ПОЛНЫЙ разбор на бусте, пользователем Lesya Serdolik (спасибо за наводку!) обсуждалась возможность объединять свои стандартные модели с Deliberate в Checkpoint Merger и, как я понял, такой вариант позволит генерить "узнаваемых" персонажей в сложных запросах, но пока не совсем понимаю каким образом можно объединить гиперсеть и checkpoint, возможно "гуру" как то прокомментируют этот момент или даже запилят урок на эту тему.Всем спасибо!
[/spoiler]
А на каком семплере обучать и количество шагов имеет значение? Мне вот нравится генерить картинки на DPM++2M Karras на 12 шагах, если так обучать норм будет? Gradient Clipping включаешь?
Цитата: Сергей от 13.02.2023, 19:22Друзья, коллеги, хотел бы поделиться еще мыслями по поводу тренировки гиперсетей.
СпойлерЯ потратил на это дело пару недель времени, пробовал тренировать сеть на разных фотосетах (от 12 до 38 фото), на разных моделях и т.д. и, возможно, мои выводы сэкономят кому то время или ответят на возникшие вопросы.
Совершенно очевидно, что отправной точкой является видео "Train" глубокоуважаемого Хачатура, его ответы и комментарии на бусте, а так же ответы не менее уважаемого Сергея на форуме.
И так пример: тренируем гиперсеть на фотосете девушки (знакомой - что бы четко определять "похожесть" сгенерированных картинок оригиналу).
Тренируем с ключевым словом "woman" набрав фотосет из портретных (в основном), "по пояс" (поменьше) и "в полный рост" (совсем мало) фотографий одного человека.После тренировки подключаем свежую гиперсеть и начинаем генерацию.
И так, по запросу, аналогичному "обучающему" (т.е. woman) и размером изображения 512 на 512 - мы получаем отличные портретные картинки, с очень узнаваемой моделью, тут вопросов нет, оценка "отлично".
При генерации "в полный рост" - как правило лицо совсем не то (вероятно не хватает разрешения).
При генерации портретного фото в разрешении, отличном от 512 на 512, частенько получем 2 головы и прочие глюки (несмотря на наличие негтиного промта).
При усложнении запроса (даже просто при изменении цвета волос - redhead woman (привет, Хачатур!=))), а так же при подключении стилей (что, впрочем тоже самое) - мы получаем генерацию разной степени "похожести" на исходную модель, как правило "на троечку".При сильном усложнении запроса - получем картинку с лицом "очень очень сильно по мотивам" исходной модели. При этом нейросеть старается затащить в картинку все что было в исходном фотосете, например при генерации "девушки в тяжелых доспехах", рисуется платье из исходного фотосета и затем слегка стилизуется под тот самый "тяжелый доспех".
Аналогичным образом происходит и с фоном (бэкграундом) генерируемых по сложным запросам изображений.Получив такие результаты, выработал для себя следующий вариант использования гиперсети: генеришь любую нужную картинку без подключенной гиперсети, закидываешь нужную картинку в inpaint, кидаешь маску на лицо (ну или брови, глаза, нос, рот) Mask mode - Inpaint masked, Masked content - original, Inpaint area - Only masked, в запрос ставишь свою гиперсетку и генеришь 512x512 - отлично работает, на порядок лучше чистой генерации на своей гиперсети, при "усложненном" запросе. При этом необходимо учитывать что при настройке Masked content "original" - как правило лицо лучше "вписывается" в окружение, при настройке Masked content "fill" - лицо почти идеально похоже на оригинал. Для оптимального результата настройки cfg scale используем от 4 до 6, и denoising strenght от 0.3 до 0.6 (то есть эти параметры не задираем).
Сразу оговорюсь, что все вышесказанное является сугубо ИМХО, я совсем новичек в нейросетях, а так же не являюсь программистом.
А теперь, коротко, выводы и, возможно, вопросы знатокам:1. На мой взгляд лучшая модель для обучения все таки Delibirate (cfg scale 4!), поскольку F222 и др. очень жестко реагируют даже на мимческие морщины в исходном датасете, генеря людей на 10-15-20 лет старше исходной модели.
2. Лучшим вариантом использования своей гиперсети на данный момент является кейс с inpaint.
- Возможно при этом стоит уделить больше внимания "портретным" фотографиям в исходном датасете, поскольку фото "по пояс" и уже тем более "в полный рост" при таком варианте использования гиперсети скорее всего не нужны.
- Вероятно, нет смысла заморчиваться со сменой (перекраской) одежды и заднего фона, поскольку генерим только лицо, лучше набрать в исходный датасет фотографии с разными эмоциями и ракусами лица.
3. При таком варианте использования гиперсети, мы скорее всего теряем возможность добавить на кожу лица грязь, царапины и тд - для соответствия остальной картинке (поскольку при усложнении запроса - получаем лицо "по мотивам").
4. В комментариях под видео Tiling – ПОЛНЫЙ разбор на бусте, пользователем Lesya Serdolik (спасибо за наводку!) обсуждалась возможность объединять свои стандартные модели с Deliberate в Checkpoint Merger и, как я понял, такой вариант позволит генерить "узнаваемых" персонажей в сложных запросах, но пока не совсем понимаю каким образом можно объединить гиперсеть и checkpoint, возможно "гуру" как то прокомментируют этот момент или даже запилят урок на эту тему.Всем спасибо!
А на каком семплере обучать и количество шагов имеет значение? Мне вот нравится генерить картинки на DPM++2M Karras на 12 шагах, если так обучать норм будет? Gradient Clipping включаешь?
Цитата: Сергей от 14.02.2023, 13:19Денис, Обучение делаю полностью по видео уроку Христа, сэмплер стоит Euler a, но и на DPM++2M Karras генерит не хуже на той же гиперсети. Sampling steps использую разный, добиваясь приемлемого результата. Gradient Clipping не включаю.
Денис, Обучение делаю полностью по видео уроку Христа, сэмплер стоит Euler a, но и на DPM++2M Karras генерит не хуже на той же гиперсети. Sampling steps использую разный, добиваясь приемлемого результата. Gradient Clipping не включаю.
Цитата: foster от 14.02.2023, 13:22Здравствуйте. Ребята не подскажите общий алгоритм действий если нужно на фото заменить одно лицо на другое? Я думал ч-з маску изображения сделать, но проблема в том, у исходного лица и того которое нужно заменить разные разрешения. Но это не основная проблема, как лицо правильно с позиционировать на новом изображении? т.е. проще говоря я хочу лицо CTRL+C с одного изображения и CTRL+V на другое без обучения ч-з train.
Здравствуйте. Ребята не подскажите общий алгоритм действий если нужно на фото заменить одно лицо на другое? Я думал ч-з маску изображения сделать, но проблема в том, у исходного лица и того которое нужно заменить разные разрешения. Но это не основная проблема, как лицо правильно с позиционировать на новом изображении? т.е. проще говоря я хочу лицо CTRL+C с одного изображения и CTRL+V на другое без обучения ч-з train.
Цитата: Ромэо от 14.02.2023, 14:19Здрасти ребя, меня очень увлекает магия реализма [simple_tooltip content='a portrait of a redhead girl which (((waiting for video))) about brackets, sticks and squiggles'] a redhead girl[/simple_tooltip]. очень интересно. прям вот очень-очень, но в красивое пока что окунает только рандом.. и хвастаться особо не чем. ибо результат пока что, твёрдая ДВОЙКА. да это очевидно плохо, но и как минимум - Больше нуля).
но что-то не то. как то не по настоящему. красиво, но - НЕ ВЕРЮ! как быть то..
Здрасти ребя, меня очень увлекает магия реализма a redhead girl. очень интересно. прям вот очень-очень, но в красивое пока что окунает только рандом.. и хвастаться особо не чем. ибо результат пока что, твёрдая ДВОЙКА. да это очевидно плохо, но и как минимум - Больше нуля).
но что-то не то. как то не по настоящему. красиво, но - НЕ ВЕРЮ! как быть то..
Цитата: Алексей от 14.02.2023, 18:30Тоже пришел к мнению, что Inpaint самый простой вариант получить рендер с нужным лицом )) Обучил уже с десяток гиперсетей, пробовал играть параметрами, но все одно - крупные портреты на отлично! (даже если сеть всего 5000 шагов обучалась). Если по пояс или в полный рост - лицу почти всегда ппц...
Скрин 1
Скрин 2
Скрин 3
Скрин 4
Скрин 5
Скрин 6
Тоже пришел к мнению, что Inpaint самый простой вариант получить рендер с нужным лицом )) Обучил уже с десяток гиперсетей, пробовал играть параметрами, но все одно - крупные портреты на отлично! (даже если сеть всего 5000 шагов обучалась). Если по пояс или в полный рост - лицу почти всегда ппц...
Скрин 1
Скрин 2
Скрин 3
Скрин 4
Скрин 5
Скрин 6
Цитата: Алексей от 14.02.2023, 21:48Вопрос знатокам по поводу рендера изображений животных ))
Обучил гиперсеть по фото собаки (всего 7 фото было, 5000 шагов). Сделал пробные арты, вроде даже похоже получилось ))
Вопрос в том, какой сэмплер лучше подходит для обработки шерсти? Если больше шагов сэмплера - лучше детали? Генерирую в разрешении 640*640, дальше через Heun поднимаю разрешение в 2 раза, сила 0,12, сэмплы - 60 (стоит ли ставить больше?) и апскейл в 2 раза (R-ESRGAN4x+).
Буду рад вашим советам и идеям, как можно улучшить качество артов на выходе?
https://imgur.com/a/C5niTUx
Вопрос знатокам по поводу рендера изображений животных ))
Обучил гиперсеть по фото собаки (всего 7 фото было, 5000 шагов). Сделал пробные арты, вроде даже похоже получилось ))
Вопрос в том, какой сэмплер лучше подходит для обработки шерсти? Если больше шагов сэмплера - лучше детали? Генерирую в разрешении 640*640, дальше через Heun поднимаю разрешение в 2 раза, сила 0,12, сэмплы - 60 (стоит ли ставить больше?) и апскейл в 2 раза (R-ESRGAN4x+).
Буду рад вашим советам и идеям, как можно улучшить качество артов на выходе?
https://imgur.com/a/C5niTUx
Цитата: Евгений от 15.02.2023, 08:44Цитата: Алексей от 14.02.2023, 21:48Вопрос знатокам по поводу рендера изображений животных ))
Обучил гиперсеть по фото собаки (всего 7 фото было, 5000 шагов). Сделал пробные арты, вроде даже похоже получилось ))
Вопрос в том, какой сэмплер лучше подходит для обработки шерсти? Если больше шагов сэмплера - лучше детали? Генерирую в разрешении 640*640, дальше через Heun поднимаю разрешение в 2 раза, сила 0,12, сэмплы - 60 (стоит ли ставить больше?) и апскейл в 2 раза (R-ESRGAN4x+).
Буду рад вашим советам и идеям, как можно улучшить качество артов на выходе?
https://imgur.com/a/C5niTUxЕсли видюха позволяет, то можно после txt2img прогнать картинку через img2img на еще более высоком разрешении и низком денойзе, так куда лучше получается, чем шакалить через апскейлер сразу. Еще есть расширение забавное (dynamic-thresholding), там можно с cfg шкалой поиграться и иногда результаты прям качественнее выходят. Не знаю как у кого принято, но я лично персонажа создаю через Euler A на 22 шага, а задники и детали всякие через DPM++ SDE Karras на 18-20 шагов.
Цитата: Алексей от 14.02.2023, 21:48Вопрос знатокам по поводу рендера изображений животных ))
Обучил гиперсеть по фото собаки (всего 7 фото было, 5000 шагов). Сделал пробные арты, вроде даже похоже получилось ))
Вопрос в том, какой сэмплер лучше подходит для обработки шерсти? Если больше шагов сэмплера - лучше детали? Генерирую в разрешении 640*640, дальше через Heun поднимаю разрешение в 2 раза, сила 0,12, сэмплы - 60 (стоит ли ставить больше?) и апскейл в 2 раза (R-ESRGAN4x+).
Буду рад вашим советам и идеям, как можно улучшить качество артов на выходе?
https://imgur.com/a/C5niTUx
Если видюха позволяет, то можно после txt2img прогнать картинку через img2img на еще более высоком разрешении и низком денойзе, так куда лучше получается, чем шакалить через апскейлер сразу. Еще есть расширение забавное (dynamic-thresholding), там можно с cfg шкалой поиграться и иногда результаты прям качественнее выходят. Не знаю как у кого принято, но я лично персонажа создаю через Euler A на 22 шага, а задники и детали всякие через DPM++ SDE Karras на 18-20 шагов.