ainews
Создать
Войти
Нет волшебной формулы для Krea 2 Turbo — только набор практик. Ключевое: стилистическая последовательность промпта, знание терминологии (Dutch Master vs Renaissance), отказ от воды, итерации + негативы. Реальный гайд от практика с примерами и workflow.
Независимый разработчик создал лёгкую модель (0.48M параметров), которая удаляет характерные артефакты GPT Image 2: чрезмерную резкость, случайные яркие пятна и чешуйчатую текстуру на коже и тканях. Модель работает в латентном пространстве FLUX.2 VAE, обрабатывает изображение за ~0.7 секунды и требует всего 3GB VRAM.
Команда Apple Machine Learning обнаружила, что в моделях генерации изображений на основе Diffusion Transformers (DiTs) появляются токены-«выбросы» с аномально высокими значениями, которые потребляют непропорционально много внимания модели, но не несут полезной информации. Проблема встречается и в энкодерах (ViT), и внутри самих DiT. Исследователи предложили методы подавления этих токенов, что улучшает качество и эффективность генерации.
Новая LoRA для Krea 2 переносит позы и композицию через depth map. Отлично работает на портретах и простых позах, но для сложных действий (приседания, оружие, динамика) требует детальных текстовых описаний каждой конечности и силы 1.0–1.2. Хорошо держит перспективу и ракурс, хуже — точное положение рук.
Разработчик создал инструмент для Krea2, позволяющий применять разные промпты и LoRA к отдельным областям изображения без взаимного влияния. Система работает через управление вниманием между токенами текста и изображения в заданных регионах, что решает проблему «утечки» стилей и персонажей при использовании нескольких LoRA одновременно.
Автор критикует поверхностные сравнения AI-генераторов изображений, основанные только на визуальном качестве выборочных примеров. Он объясняет, почему сравнение FLUX 3 и Midjourney некорректно без учёта статуса доступа, версий моделей и реальных условий работы в продакшене.
Разработчик создал Aozora — бесплатный GUI-тренер для файнтюнинга SDXL и Anima на потребительских GPU с 12 ГБ видеопамяти. Инструмент тренирует 80-90% полной модели SDXL в пределах 11.8 ГБ VRAM (~1.55 сек/итерация) и 100% Anima в разрешении 1152×1152 (~11.4 ГБ, 2.67 сек/итерация). Код написан с нуля, а не обёртка над существующими решениями.
Alibaba выпустила Qwen-Image-3.0 — генератор изображений, который создаёт сложные макеты с несколькими панелями, читаемым текстом размером до 10 пикселей и поддержкой 12 языков за один запрос. Модель нацелена на практические задачи: газетные полосы, учебные материалы, сложные инфографики с формулами и вложенными интерфейсами.
Блогер Саймон Уиллисон годами тестирует новые LLM одним промптом: «нарисуй SVG пеликана на велосипеде». Эта шутка превратилась в неофициальный бенчмарк, который все ждут на HN. Исследователь проверил гипотезу: не натаскивают ли лабы модели специально на этот запрос? Прогнал 1008 SVG через 7 моделей (48 комбинаций животное+транспорт) и проанализировал с помощью LLM-судьи. Вывод: никаких улучшений конкретно для пеликана не обнаружено, хотя все пеликаны смотрят вправо — возможный артефакт датасетов.
