Вышли две функциональные LoRA для Krea 2: копирование лиц и позиционный outpainting
Разработчик выпустил две специализированные LoRA для локального запуска Krea 2. Первая (ReID) переносит лицо с референса на новые сцены с другой одеждой и позой. Вторая (Outpaint) расширяет изображение в заданном направлении, размещая исходник в нужной точке холста. Обе работают локально за 3-5 секунд на RTX 5090, код и веса открыты.
Первая открытая реализация ReID-conditioning и позиционного outpainting для Krea 2, работающая локально без облачных зависимостей. Демонстрирует, как специализированные LoRA могут учить диффузионные модели новым поведениям за пределами стилей.
Две функциональные LoRA для Krea 2
Разработчик yijunwang2 опубликовал на HuggingFace две специализированные LoRA-модели для локального использования с Krea 2. В отличие от стилевых LoRA, эти адаптеры обучают модель новым способам работы с референсными изображениями.
ReID Reference: перенос идентичности
Первая LoRA позволяет взять одно референсное изображение и воспроизвести идентичность (в первую очередь лицо) в новых сценах с изменёнными одеждой, позой и фоном. Технически используется image conditioning через Qwen3-VL плюс токены VAE с изолированным reference attention и кэшированием ключей/значений.
В комплект входит опциональный YuNet-хелпер для автоматической обрезки лица. Cropping рекомендуется, когда нужна только лицевая идентичность с максимальной свободой в одежде и позе, но не обязателен.
Registered Outpaint: позиционное расширение
Вторая LoRA решает задачу расширения изображения: вы размещаете исходную картинку в произвольной позиции на большом холсте, и модель дорисовывает недостающие области. Исходные токены получают координаты, зарегистрированные относительно целевого бокса.
Хелпер поддерживает одношаговое размещение у края и двухшаговый план для произвольного внутреннего размещения, после чего восстанавливает пиксели исходника с коротким feather на швах.
Производительность и доступность
Обе LoRA обучены для Krea 2 Raw и используются с дистиллированной 8-шаговой Krea 2 Turbo. На RTX 5090 с INT8 ConvRot: - ReID: ~4.55 сек на 1024×1024 (8 шагов) - Outpaint: 3.6-4.2 сек за проход
В репозиториях на HuggingFace лежат веса, код пайплайнов Diffusers, примеры, хеши артефактов и синтетические демо. Никакие облачные API не требуются. Автор подчёркивает: не грузите их как обычные стилевые LoRA — без кастомных пайплайнов reference-conditioning не заработает.
Веса распространяются по лицензии Krea 2 Community. Автор призывает сообщество тестировать сложные кейсы: трудные размещения для Outpaint и радикальные смены одежды/позы для ReID.
Ключевые выводы
- Функциональные LoRA расширяют возможности диффузионных моделей не стилем, а новыми механизмами conditioning
- ReID использует комбинацию Qwen3-VL image conditioning и VAE-токенов с изолированным attention для переноса идентичности
- Registered Outpaint решает задачу позиционного расширения через координатную регистрацию токенов
- Производительность на потребительском железе: 3-5 секунд на поколение при 8 шагах inference
- Важно использовать кастомные пайплайны — обычная загрузка LoRA не активирует reference-conditioning
Автор: Анна Мельникова · Источник: reddit.com
**Это интересно по двум причинам.** Во-первых, чисто технически: функциональные LoRA, которые учат модель **новым способам обработки референсов**, а не просто стилям — редкость в открытом доступе. Комбинация Qwen3-VL conditioning с VAE-токенами и изолированным attention для ReID, координатная регистрация для Outpaint — это не тривиальные решения, и автор выложил полные пайплайны.
Во-вторых, практически: **это работает локально и быстро**. 4 секунды на RTX 5090 для переноса лица с референса на новый промпт — вполне юзабельно. Но есть нюанс, на который автор честно указывает: нельзя просто загрузить LoRA как обычно — нужны кастомные пайплайны. Это означает, что интеграция в привычный UI-софт (ComfyUI, Automatic1111) потребует допилов. Плюс Krea 2 сама по себе не самая распространённая модель в локальном стеке. Тем не менее, если вы уже работаете с Krea 2 и вам нужны именно эти задачи — референс-based generation или позиционный outpainting — стоит попробовать.
Комментарии