Нейронная сеть SmartHoldem обучена для создания создания графических изображений.
Доступна в телеграм https://t.me/smartholdem
В настоящее время модель обучена на англоязычных паттернах для международного рынка, но мы продолжаем обучать модели и на других языках. Модель по умолчанию обучена на работах известных художников (таких как Ханс Гигер, Иван Иванович Шишкин итд) и дизайнеров, рендерах игровых движков Unreal, Unity, а также определенный процент на изображениях доступных в сети интернет.
Команды в телеграм:
img <текст>
Параметры:
Параметры задаются как img <текст> -option <value> через пробел и дефис.
Пример сообщения в telegram SmartHoldem:
img colorful mountain range, fantasy artwork, award winning, very very very very very very very beautiful scenery -m dream
-m или -model использовать модель данных отличную от основной:
-m berry микс из разных паттернов
-m blood обучена на разных вампирах и dark souls
-m sw стиль synth wave
-m comic модель обученная на комиксах
-m 30k модель 30к уникальных параметров
-m paint в будущем будет использоваться для создания качественных изображений по наброскам
-m microworld микромиры
-m dream обучалась в стиле mindjorney
-m dream3 3я версия
-m dream4 4я версия
-m dl улучшена анатомия
-m anime обучена на аниме
-m land природные ландшафты
пример: -m dream
-cfg_scale или -cs от 1 до 10 меньше точнее, больше креативнее
-steps или -s Sampling steps от 1 до 150, итерации отрисовки, по умолчанию 50, иногда достаточно меньше чтобы получить хороший результат, больше, занимает больше времени, менять если не подходит параметр по умолчанию. Большее число шагов не всегда дает лучшие результаты.
-denoising_strength или -ds от 0 до 1 некоторый вариант оптимизации сглаживание шумов при увеличении изображения в сочетании с -hr (hi res fix, upscale), по умолчанию 0.66, нужно подбирать баланс
пример: -denoising_strength 0.45
-hr true или -enable_hr true по умолчанию false, увеличение изображения с помощью нейросети x2, дает более быстрый результат качественного масштабирования, по сравнению с нативным разрешением. На высоких разрешениях может дорисовывать мелкие детали. По умолчанию размер изображения 512x512, при включенном -hr конечное изображение масштабируется x2 - 1024x1024px
-hr_second_pass_steps или -hrs от 0 до 100, по умолчанию 0. Используется в сочетании с -hr true, количество дополнительных итераций прорисовки масштабированного изображения, при высоком значении генерация может занимать до 8 минут. Рекомендуется не более 20 при необходимости.
-restore_faces true или false, по умолчанию true, старается привести лица в нормальный вид
-n или -negative_prompt список негативных слов через запятую, исключить из изображения (плохая анатомия и тд) пример: -n [out of frame], extra fingers,bad composition,mutated body parts,disfigured,deformed body features, fat,poorly Rendered face,poorly drawn face, poor facial details,poorly drawn hands,poorly rendered hands, low resolution
-sampler_index или -si выбор алгоритма генерации, алгоритма рисования, паттерн
пример: -si Euler a
варианты:
Euler a (по умолчанию)
Euler
LMS
Heun
DPM2
DPM2 a
DPM++ 2S a
DPM++ 2M
DPM++ SDE
DPM fast
DPM adaptive
LMS Karras
DPM2 Karras
DPM2 a Karras
DPM++ 2S a Karras
DPM++ 2M Karras
DPM++ SDE Karras
DDIM
PLMS
UniPC (новый)
Семплеры подходят для разных стилей изображений, одни лучше, другие хуже, как показывает практика семплер LMS, DDIM хорошо себя показывать в портретах,
-seed случайное число на основе которого строится уникальное изображение, по умолчанию -1 т.е. рандом от 0 до 4,294,967,295
полученное изображение возможно повторно сгенерировать указав текстовое сообщение (prompt) и -seed <номер>
например img colorful mountain range, fantasy artwork, award winning, very very very very very very very beautiful scenery -m land -seed 12345
всегда будет генерировать это изображение
в будущей версии будет доступна функция upscale масштабирование до любого разрешения с помощью дополнительной нейронной сети без потери качества
Нейронная сеть генерации изображений с обученными моделями данных будет использоваться в NFT площадке SmartHoldem в разделе нейронных сетей.
Это бета-версия, команды и параметры могут меняться.
