Добавлена поддержка Ежчана (ejchan.net, ejchan.site). Набегаем, тестируем архивацию, сообщаем о замеченных проблемах.
К сожалению, значительная часть сохранённых до 2024 г. изображений и видео была потеряна (подробности случившегося). Мы призываем всех неравнодушных помочь нам с восстановлением утраченного контента!
Сортировка: за
Активный
54
2026-09-29 15:40:25
Активный
19
СДЕЛАЙ СВОЮ НЕЙРО ФИГУРКУ ТРЕД 2 Прошлый утонул https://arhivach.vc/thread/1431864/ Как присоедини — СДЕЛАЙ СВОЮ НЕЙРО ФИГУРКУ ТРЕД 2 Прошлый утонул https://arhivach.vc/thread/1431864/ Как присоединиться и генерировать? https://arena.ai https://labs.google/fx/tools/flow https://chatgpt.com/images/ https://www.meta.ai Заходишь в нейросеть, кидаешь фотку из которой ты хочешь сделать фигурку и скидываешь результат сюда! Промт: Используй прикреплённую фотографию и сразу создай ОДНО фотореалистичное изображение коллекционной фигурки по её мотивам, рядом с фирменной упаковкой. Не задавай вопросов — покажи готовый результат. ПЕРСОНАЖ Преврати человека, животное или персонажа с фотографии в детализированную коллекционную фигурку масштаба 1/7 из окрашенного PVC и смолы. Сохрани узнаваемые черты, телосложение, причёску, выражение лица, одежду и характерные детали исходника. Если лицо видно, точно передай форму и посадку глаз, брови, нос, губы и овал лица. Если на исходнике есть маска, сохрани её. Не добавляй маску или другие чужие детали самостоятельно. Если видна только часть тела, органично дострой остальное в соответствии с образом. Фигурка должна выглядеть именно как физический коллекционный предмет: скульптурные волосы, аккуратная ручная покраска, едва заметная фактура материала и мягкие блики на пластике. Реалистичные пропорции, без стиля чиби и чрезмерно большой головы. КОМПОЗИЦИЯ Слева стоит фигурка в полный рост на круглой чёрной подставке. Справа, чуть позади, расположена её коробка, повёрнутая на три четверти: видны передняя и боковая стороны. Фигурка и коробка полностью помещаются в кадр. Съёмка с близкого расстояния на уровне фигурки, как качественная предметная фотография из магазина коллекционных товаров. УПАКОВКА Создай правдоподобную картонную коробку с большим прозрачным пластиковым окном. Внутри, в формованном прозрачном блистере, находится второй экземпляр ТОЙ ЖЕ фигурки: одинаковые лицо, одежда, расцветка и поза. Размер коробки соответствует масштабу фигурки. Оформи упаковку индивидуально под персонажа: подходящие цвета, тематические узоры, крупное изображение этой фигурки на боковой стороне, небольшой логотип вымышленного производителя. Самостоятельно придумай короткое, запоминающееся название фигурки на основе внешнего вида и настроения исходной фотографии. Напечатай название крупно и разборчиво на передней стороне. Добавь небольшие надписи «1/7 SCALE», «PVC STATUE» и название коллекции. Текст должен выглядеть напечатанным на картоне с правильной перспективой. ФОН И СВЕТ Самостоятельно выбери подходящий реальный фон: полки магазина фигурок, коллекционный стеллаж, уютный рабочий стол или тематическую витрину. Фон дополняет образ и слегка размыт, фигурка и упаковка остаются резкими. Они стоят на общей поверхности с естественными контактными тенями и мягкими отражениями. Реалистичный свет, убедительные блики и небольшие неровности прозрачного окна упаковки. ИТОГ Изображение должно восприниматься как настоящая фотография готового коллекционного товара. Не как рисунок, компьютерный рендер или живой человек рядом с гигантской коробкой. Не переноси фон исходной фотографии автоматически: используй исходник прежде всего как образец персонажа. При каждой новой фотографии заново подбирай название, оформление упаковки и окружение. Без водяных знаков и текста поверх фотографии.
2026-09-29 15:23:54
Активный
152
2026-09-29 15:36:16
Активный
521
2026-09-28 14:20:37
Активный
81
Stable Diffusion технотред #21 /tech/ — ИТТ делимся советами, лайфхаками, наблюдениями, результатами обучения, обсуждаем внутреннее устройство диффузионных моделей, собираем датасеты, решаем проблемы и экспериментируем Тред общенаправленныей, тренировка дедов, лупоглазых и фуррей приветствуются Предыдущий тред: >>1272560 (OP) ➤ Софт для обучения https://github.com/kohya-ss/sd-scripts Набор скриптов для тренировки, используется под капотом в большей части готовых GUI и прочих скриптах. Для удобства запуска можно использовать дополнительные скрипты в целях передачи параметров, например: https://rentry.org/simple_kohya_ss https://github.com/bghira/SimpleTuner Линукс онли, бэк отличается от сд-скриптс https://github.com/Nerogar/OneTrainer Фич меньше, чем в сд-скриптс, бэк тоже свой https://github.com/Mikubill/naifu Бэк которым тренили noobai https://github.com/bluvoll/sd-scripts Форк сд-скриптов для тренировки rectified flow xl чекпоинтов ➤ GUI-обёртки для sd-scripts https://github.com/bmaltais/kohya_ss https://github.com/derrian-distro/LoRA_Easy_Training_Scripts ➤ Обучение SDXL https://2ch-ai.github.io/wiki/tech/sdxl/ ➤ Flux https://2ch-ai.github.io/wiki/nai/models/flux/ ➤ Wan https://github.com/kohya-ss/musubi-tuner https://github.com/tdrussell/diffusion-pipe ➤ Гайды по обучению Существующую модель можно обучить симулировать определенный стиль или рисовать конкретного персонажа. ✱ LoRA – "Low Rank Adaptation" – подойдет для любых задач. Отличается малыми требованиями к VRAM (6 Гб+) и быстрым обучением. https://github.com/cloneofsimo/lora - изначальная имплементация алгоритма, пришедшая из мира архитектуры transformers, тренирует лишь attention слои, гайды по тренировкам: https://rentry.co/waavd - гайд по подготовке датасета и обучению LoRA для неофитов https://rentry.org/2chAI_hard_LoRA_guide - ещё один гайд по использованию и обучению LoRA https://rentry.org/59xed3 - более углубленный гайд по лорам, содержит много инфы для уже разбирающихся (англ.) ✱ LyCORIS (Lora beYond Conventional methods, Other Rank adaptation Implementations for Stable diffusion) - проект по созданию алгоритмов для обучения дополнительных частей модели. Ранее имел название LoCon и предлагал лишь тренировку дополнительных conv слоёв. В настоящий момент включает в себя алгоритмы LoCon, LoHa, LoKr, DyLoRA, IA3, а так же на последних dev ветках возможность тренировки всех (или не всех, в зависимости от конфига) частей сети на выбранном ранге: https://github.com/KohakuBlueleaf/LyCORIS Подробнее про алгоритмы в вики https://2ch-ai.github.io/wiki/tech/lycoris/ ✱ Dreambooth – для SD 1.5 обучение доступно начиная с 16 GB VRAM. Ни одна из потребительских карт не осилит тренировку будки для SDXL. Выдаёт отличные результаты. Генерирует полноразмерные модели: https://rentry.co/lycoris-and-lora-from-dreambooth (англ.) https://github.com/nitrosocke/dreambooth-training-guide (англ.) https://rentry.org/lora-is-not-a-finetune (англ.) ✱ Текстуальная инверсия (Textual inversion), или же просто Embedding, может подойти, если сеть уже умеет рисовать что-то похожее, этот способ тренирует лишь текстовый энкодер модели, не затрагивая UNet: https://rentry.org/textard (англ.) ➤ Тренировка YOLO-моделей для ADetailer: YOLO-модели (You Only Look Once) могут быть обучены для поиска определённых объектов на изображении. В паре с ADetailer они могут быть использованы для автоматического инпеинта по найденной области. Подробнее в вики: https://2ch-ai.github.io/wiki/tech/yolo/ Не забываем про золотое правило GIGO ("Garbage in, garbage out"): какой датасет, такой и результат. ➤ Гугл колабы ﹡Текстуальная инверсия: https://colab.research.google.com/github/huggingface/notebooks/blob/main/diffusers/sd_textual_inversion_training.ipynb ﹡Dreambooth: https://colab.research.google.com/github/TheLastBen/fast-stable-diffusion/blob/main/fast-DreamBooth.ipynb ﹡LoRA https://colab.research.google.com/github/hollowstrawberry/kohya-colab/blob/main/Lora_Trainer.ipynb ➤ Полезное Расширение для фикса CLIP модели, изменения её точности в один клик и более продвинутых вещей, по типу замены клипа на кастомный: https://github.com/arenasys/stable-diffusion-webui-model-toolkit Гайд по блок мерджингу: https://rentry.org/BlockMergeExplained (англ.) Гайд по ControlNet: https://stable-diffusion-art.com/controlnet (англ.) Подборка мокрописек для датасетов от анона: https://rentry.org/te3oh Группы тегов для бур: https://danbooru.donmai.us/wiki_pages/tag_groups (англ.) NLP тэггер для кэпшенов T5: https://github.com/2dameneko/ide-cap-chan (gui), https://huggingface.co/Minthy/ToriiGate-v0.3 (модель), https://huggingface.co/2dameneko/ToriiGate-v0.3-nf4/tree/main (квант для врамлетов) Оптимайзеры: https://2ch-ai.github.io/wiki/tech/optimizers/ Визуализация работы разных оптимайзеров: https://github.com/kozistr/pytorch_optimizer/blob/main/docs/visualization.md Гайды по апскейлу от анонов: https://rentry.org/SD_upscale https://rentry.org/sd__upscale https://rentry.org/2ch_nai_guide#апскейл https://rentry.org/UpscaleByControl Старая коллекция лор от анонов: https://rentry.org/2chAI_LoRA Гайды, эмбеды, хайпернетворки, лоры с форча: https://rentry.org/sdgoldmine https://rentry.org/sdg-link https://rentry.org/hdgfaq https://rentry.org/hdglorarepo https://gitgud.io/badhands/makesomefuckingporn https://rentry.org/ponyxl_loras_n_stuff - пони лоры https://rentry.org/illustrious_loras_n_stuff - люстролоры ➤ Legacy ссылки на устаревшие технологии и гайды с дополнительной информацией https://2ch-ai.github.io/wiki/tech/legacy/ ➤ Прошлые треды https://2ch-ai.github.io/wiki/tech/old_threads/ Шапка: https://2ch-ai.github.io/wiki/tech/tech-shapka/
2026-09-26 18:29:39
Активный
513
2026-09-25 20:12:58
Активный
576
2026-09-25 20:12:58
Активный
522
2026-09-25 20:12:58
Активный
578
2026-09-25 20:12:58
Активный
689
2026-09-25 20:12:58
Активный
515
2026-09-25 20:12:58
Активный
509
2026-09-25 20:12:58
Активный
578
2026-09-27 14:03:05
Активный
509
2026-09-25 20:12:58
Активный
548
2026-09-25 20:12:58
Активный
612
2026-09-25 20:12:58
Активный
537
2026-09-25 20:12:58
Активный
616
2026-09-25 20:12:58
Активный
548
2026-09-25 20:12:58
Активный
562
2026-09-25 20:12:58
Активный
591
2026-09-25 20:12:58
Активный
518
2026-09-25 20:12:58
Сохранен
556
2026-09-20 06:18:46
Сохранен
572
2026-08-22 15:47:10
Сохранен
568
2026-08-14 15:19:05