I.8Изображения и компьютерное зрение

waiNSFWIllustrious_v140 — модель генерации изображений по текстовому описанию, опубликованная Ine007. Она основана на Illustrious XL v1.0 и предназначена для создания изображений в эстетике аниме, включая контент для взрослых. Карточка Hugging Face указывает архитектуру Stable Diffusion XL и использование через Diffusers; модель принимает текстовый запрос и генерирует изображение. Для работы доступны веса в формате safetensors. Модель предназначена для генерации изображений, однако сама карточка отмечает её как содержащую чувствительный контент и не подходящую для всех аудиторий. Указана лицензия faipl-1.0-sd.

WizzGPTv2 — модель генерации текста на архитектуре GPT-2, предназначенная для создания и дополнения промптов для SDXL, особенно ZavyChromaXL и похожих моделей. Разработчик указывает, что модель обучена на базовой модели GPT-2 и работает в режиме продолжения текста: можно подавать короткие начала вроде «A» или «The portrait of». Дополнительный стиль можно задать отдельно, чтобы влиять на будущую генерацию. Модель принимает текст и выдаёт текст; заявленная длина контекста — 1024 токена. В карточке приведены настройки для разнообразных генераций, включая температуру 1,1 и top-k 24. Лицензия и сведения о поддерживаемых естественных языках в предоставленных данных отсутствуют.

GuoFeng3 — модель генерации изображений по текстовому описанию в китайском изысканном историческом стиле. Она предназначена для создания персонажей и сцен в эстетике древнего Китая, в том числе игровых персонажей; автор также отмечает 2.5D-визуальную фактуру и добавление мужских персонажей и элементов окружения. Модель распространяется в формате Diffusers на базе PyTorch и поддерживает генерацию изображений с длинной стороной до 1024 пикселей. По описанию, третья версия проще в использовании и лучше адаптируется к дополнительным тегам; автор также сообщает об улучшениях в изображении лиц и рук. Среди отмеченных ограничений — возможные красные глаза у персонажей и чрезмерно яркая окраска, которую предлагается корректировать негативным запросом и настройкой CFG. Лицензия CreativeML Open RAIL-M.

Это модель классификации рентгеновских снимков грудной клетки на основе семейства YOLOv8, опубликованная пользователем keremberke на Hugging Face. Она предназначена для отнесения изображения к одному из двух классов: NORMAL или PNEUMONIA. Модель подходит для исследовательских и вспомогательных сценариев сортировки рентгеновских снимков и экспериментов по компьютерному зрению. Она использует библиотеку Ultralytics и сохранена в формате PyTorch; карточка связывает её с датасетом chest-xray-classification. Классификация ограничена двумя метками и сама по себе не является клиническим диагнозом. Информация о лицензии и численных характеристиках модели в предоставленных данных отсутствует.

abstract_nature_patterns_v2 — модель генерации изображений, созданная apurik-parv методом DreamBooth на базе Stable Diffusion 1.5. Она обучалась 40 000 шагов на тщательно отобранных изображениях, чтобы усилить в генерируемых сценах симметрию и масштабные закономерности, ассоциируемые с природой. Для вызова изученного образа в промпте используется триггер abnapa. Модель принимает текстовые описания и создаёт изображения в формате Stable Diffusion. Автор отмечает улучшенную симметрию и освещение, а также меньшее количество артефактов; это предварительные наблюдения автора, который продолжает изучать влияние модели. На холстах большого размера, например 1024×1024, сохраняется проблема повторения элементов. Репозиторий распространяется в форматах Diffusers и PyTorch под лицензией CreativeML OpenRAIL-M.

Amateur Photography — LoRA-модель для генерации изображений по текстовому описанию, разработанная пользователем или организацией falanaja. Она предназначена для использования в сценариях text-to-image и ориентирована на создание изображений в стилистике любительской фотографии. Модель интегрируется с Diffusers и применяется поверх базовой модели black-forest-labs/FLUX.1-dev. В README не указаны размер, архитектура самой LoRA, поддерживаемые языки, максимальная длина контекста, точный характер стилистических особенностей, ограничения или лицензия. Доступны веса в формате Safetensors; пример использования показывает активацию LoRA с идентификатором amateurphoto-v6-forcu и весом 0.8. Условия использования в предоставленных данных не описаны.

Amphibia-Diffusion — модель генерации изображений по текстовому описанию в формате Diffusers/PyTorch. README рекомендует использовать токен «amphibia» в запросе, например для создания изображений персонажей или сцен с замком среди болот. Модель предназначена для генерации изображений по текстовым промптам, связанным с этим токеном. Модель размещена пользователем Theodora527; метаданные указывают на StableDiffusionPipeline и лицензию CreativeML OpenRAIL-M. Карточка не сообщает размер модели, контекст или конкретные ограничения качества.

AdamOswald1/Anime_with_support_for_Gen-Imp_characters — модель генерации изображений по текстовому описанию на основе смешанного чекпойнта Stable Diffusion. Автор сообщает, что она создана с помощью Automatic1111 Checkpoint Merger из Anything-V3.0-pruned, Waifu-v1-3-float16, NAI, sd-v1-5-pruned-emaonly и trinart_stable_diffusion_epoch3; эта версия дополнительно поддерживает персонажей Genshin Impact. Репозиторий распространяет веса в форматах Diffusers, PyTorch и Safetensors и предназначен для запуска через Diffusers или совместимые интерфейсы Stable Diffusion. Модель подходит для создания аниме- и иллюстративных изображений по английским промптам, включая персонажей и образы из Genshin Impact. В карточке приведены примеры генерации портретов и сцен с параметрами сэмплирования; данных о числе параметров и длине контекста нет. Лицензия — CreativeML OpenRAIL-M, условия которой следует учитывать при использовании и распространении результатов.

AstolfoMix-SD2 — модель генерации изображений по текстовому описанию, созданная сообществом 6DammK9 на основе Stable Diffusion 2.1. Автор публикует варианты Baseline, Extended, Reinforced и 210b; описанная версия 210b объединяет варианты Extended и Reinforced. В README указано, что при сборке использованы слияния нескольких UNet и CLIP-компонентов, а также VAE для аниме-изображений. Модель предназначена для создания иллюстраций по текстовым запросам, в частности для более точного воспроизведения заданных персонажей и их внешности. Автор рекомендует CFG 6.0. Карточка указывает формат Diffusers/PyTorch и веса Safetensors, а также лицензию CreativeML OpenRAIL-M. Автор характеризует результат как экспериментальный proof of concept и отмечает, что качество может быть невысоким. README также предупреждает, что параметры предварительных изображений могли быть неоптимальны; встроенный VAE и VAE, используемый в WebUI, различаются.

autismmixSDXL_autismmixConfetti — модель генерации изображений на основе LyliaEngine/Pony_Diffusion_V6_XL, опубликованная LyliaEngine и связанная с разработчиком Autismix_anon. Это вариант AutismMix_confetti, созданный смешиванием Pony с AnimeConfettiTune и AutismMix_pony. Модель предназначена для text-to-image генерации преимущественно аниме- и иллюстративных изображений, а также для работы с некоторыми LoRA, совместимыми с экосистемой Pony Diffusion. По заявлению автора, версия confetti обеспечивает более предсказуемое поведение, меньший разброс стилей и лучшее качество рук по сравнению с базовым Pony, сохраняя интерпретацию запросов и знания о стилях. Для управления стилем рекомендуется использовать теги качества, аналогичные Pony Diffusion V6 XL; отдельные негативные промпты и embeddings, рассчитанные на SDXL или Pony, могут ухудшать результат. Для некоторых конфигураций могут потребоваться совместимые интерфейсы и настройки, а при появлении артефактов автор рекомендует специальное расширение для их предотвращения. Модель распространяется в формате Safetensors по лицензии Creative Data License Agreement Permissive 2.0 (CDLA-Permissive-2.0). В README не указаны точный размер весов, число параметров, максимальная длина контекста, перечень поддерживаемых языков или отдельные сведения о модальностях помимо генерации изображений по тексту.

A-Zovya RPG Artist Tools V2 Art — модель генерации изображений по текстовому описанию в формате Stable Diffusion Diffusers. Карточка сообщает, что Color 101 VAE встроен в модель. Модель предназначена для создания иллюстраций в стиле RPG по текстовым запросам. Модель размещена пользователем Yntec; исходная страница указана в карточке без дополнительных сведений. Репозиторий содержит веса в форматах Diffusers, PyTorch и safetensors. Лицензия — CreativeML OpenRAIL-M, условия которой регулируют допустимое использование и распространение модели.

Модель huggingnft/azuki разработана Алексеем Коршуком и предназначена для безусловной генерации изображений в стиле коллекции Azuki NFT. Это модель LightWeight GAN, обученная на датасете huggingnft/azuki. Лицензия — MIT. Модель генерирует изображения без текстового запроса; карточка ссылается на примеры результатов и демонстрационный Space. Подробности об использовании и ограничениях вынесены в связанный проект, поэтому по доступной карточке нельзя уточнить разрешение изображений или качество генерации.

China-Chic-illustration — модель генерации изображений на основе Stable Diffusion, дообученная TiLake AIGC Group методом DreamBooth на собственном наборе данных. Она предназначена для создания иллюстраций в стиле «гочао», сочетающем традиционную китайскую культуру с современной эстетикой. Пользователь задаёт текстовое описание сцены и добавляет к запросу стилевой триггер `style of illustration`; модель выдаёт изображение. Модель распространяется в форматах Diffusers и PyTorch по лицензии CreativeML OpenRAIL-M. README рекомендует guidance_scale около 8.8. Карточка заявляет поддержку китайского и английского языков. Результат ориентирован на художественное вдохновение и создание иллюстраций в заданном стиле; качество зависит от формулировки запроса.

COLIPRI — 3D vision-language encoder от Microsoft Research, обученный на десятках тысяч КТ грудной клетки и радиологических заключениях. Представленная версия COLIPRI-CRM формирует совместные представления трёхмерных изображений и текста; обучение проводилось без ручной разметки с использованием нескольких задач. Модель поддерживает классификацию изображений по текстовым запросам, извлечение признаков, кластеризацию и поиск по изображениям и тексту, а её энкодеры можно подключать к другим моделям для сегментации или генерации заключений. Модель ориентирована на исследовательские и экспериментальные сценарии анализа медицинских КТ. Она может работать с текстовыми и визуальными представлениями совместно или независимо и предназначена для изображений КТ грудной клетки и радиологических отчётов. Лицензия — MIT. Авторы прямо указывают, что модель не предназначена для клинической практики. Обучающие данные происходят только из Турции и США, поэтому результаты могут быть смещены относительно других популяций; возможны и неописанные смещения исходных наборов данных.

Cute Furry — модель генерации изображений на основе Stable Diffusion, опубликованная Yntec. Это вариант, в который встроена LoRA Cute Furry вместе с компонентами NuipeniMix и Generate Me!; примеры демонстрируют милых пушистых животных и персонажей в стиле чиби, с крупными глазами, в том числе енота, кролика, лягушку и оленя. Модель предназначена для создания таких изображений по текстовым запросам через Diffusers. Репозиторий содержит веса в формате Safetensors и Diffusers. Для использования указана лицензия CreativeML OpenRAIL-M. Карточка не сообщает размер модели, параметры контекста или конкретный список поддерживаемых языков; применимость запросов зависит от текстового ввода.

Это LoRA-адаптер для модели black-forest-labs/FLUX.2-dev, разработанный ostris. Он предназначен для генерации изображений по текстовому описанию и для преобразования стиля существующих изображений с использованием характерной манеры французской художницы Берты Моризо. Для активации адаптера рекомендуется использовать триггерную фразу «berthe_morisot style». Модель подходит для стилизации сцен с людьми, предметами и окружением, а также для instruction-based преобразования изображений. Архитектура, точный размер, параметры адаптера, поддерживаемые языки, максимальный контекст и конкретные требования к вычислительным ресурсам в README не указаны. Сильная сторона модели — специализированная передача художественного стиля при сохранении возможности управлять содержанием через текстовые инструкции или исходное изображение. Ограничения связаны с узкой специализацией на стиле Берты Моризо и отсутствием подробных сведений о качестве, допустимых весах адаптера и совместимых настройках. Лицензия в предоставленных данных не указана.

furaidosu/flux-lora-gliff-tosti-vector-no-captions-2500s — модель для генерации изображений по текстовому описанию, разработанная пользователем или организацией furaidosu. Она предназначена для создания цифровых иллюстраций в мультяшной и векторной стилистике, включая портреты персонажей, юмористические образы и мрачные или готические сцены. Модель представляет собой LoRA-адаптацию для экосистемы Diffusers, связанной с базовой моделью black-forest-labs/FLUX.1-schnell. Поддерживаемая модальность — текст в изображение; в README указан английский язык. Рекомендуемый размер генерации — 1024×1024 пикселя. Примеры показывают чистые линии, плоские цвета, плавные градиенты, выразительных персонажей и композиции, напоминающие современное векторное искусство. Название указывает на отсутствие подписей в изображениях, однако подробные сведения о размере адаптера, весах LoRA, требованиях к памяти и точных параметрах запуска не приведены. Сильная сторона модели — выраженная ориентация на стилизованные мультяшные и вектороподобные изображения с разнообразным настроением: от дружелюбного и комичного до хоррор- и dark fantasy. Ограничениями являются отсутствие подробной информации о качестве на разных типах запросов, поддерживаемых разрешениях и совместимости с другими версиями FLUX. Использование регулируется лицензией flux-1-dev-non-commercial-license; коммерческое применение этой лицензии не разрешено.

FLUX NSFW unlock — адаптер LoRA для генерации изображений по текстовому описанию на базе black-forest-labs/FLUX.1-dev. Модель разработана пользователем или организацией shahtab; README не содержит дополнительных сведений о разработчике, данных обучения и методике создания. Для активации адаптера используется триггерное слово aidmaNSWFunlock. Модель предназначена для сценариев text-to-image, в которых требуется изменить или расширить поведение базовой модели FLUX.1-dev. Веса доступны в формате Safetensors и, судя по карточке, должны использоваться вместе с совместимой базовой моделью и инструментами экосистемы Diffusers. Архитектура, размер, поддерживаемые языки, максимальная длина контекста и конкретные модальности, помимо текстового ввода и изображения на выходе, не указаны. README также не приводит количественных оценок качества и ограничений, поэтому производительность зависит от базовой модели и параметров применения адаптера. Лицензия — Apache-2.0.

FLUX Uncensored LoRA — это адаптер LoRA для базовой модели black-forest-labs/FLUX.1-dev. Согласно карточке, он разработан командой EnhanceAI и предназначен для генерации изображений по текстовым описаниям с ослабленными ограничениями на содержание, включая материалы для взрослых и другой потенциально чувствительный контент. Адаптер подключается к pipeline FLUX.1-dev через библиотеку diffusers. Модель относится к классу text-to-image и использует архитектуру базовой модели FLUX.1-dev; собственный размер, поддерживаемые языки и максимальная длина контекста в карточке не указаны. Для работы рекомендуются CUDA-совместимая GPU и тип данных torch.bfloat16. К сильным сторонам относятся специализация на генерации откровенных изображений и совместимость с экосистемой diffusers; ограничения связаны с зависимостью от базовой модели и необходимостью соблюдать правовые, этические и платформенные требования. Указана лицензия FLUX-1-dev Non-Commercial License, поэтому коммерческое использование не разрешено условиями этой лицензии.

georgeart — модель text-to-image на базе Stable Diffusion, обученная Alexwww методом DreamBooth на иллюстрациях george.ee. Для генерации изображений с этим стилем в запросе рекомендуется использовать формулировку «flat minimal illustration of...». Модель предназначена для создания плоских минималистичных иллюстраций по текстовому описанию; для проверки концепции автор указывает интерфейс A1111 в Colab. Репозиторий содержит веса в форматах Diffusers и PyTorch. Указана лицензия CreativeML OpenRAIL-M. Сведений о размере модели, контексте и поддерживаемых языках в предоставленной карточке нет.

hmpussy_v6_epoch30.safetensors — LoRA-адаптер для генерации изображений из текста, опубликованный пользователем или организацией xalexmoon. Модель предназначена для использования в задачах text-to-image через экосистему Diffusers и подключается к базовой модели MiniMaxAI/MiniMax-H3. В README указано, что адаптер обучен до 30-й эпохи. Другие характеристики, включая размер, точную архитектуру LoRA, поддерживаемые языки, длину контекста, особенности датасета и требуемые параметры запуска, не раскрыты. В репозитории приведён тестовый пример с текстовым запросом test, но этого недостаточно для оценки качества, специализации и устойчивости результатов. Лицензия обозначена как unknown, поэтому условия использования и возможность коммерческого применения не определены. Перед использованием следует проверить лицензионные ограничения и совместимость с MiniMaxAI/MiniMax-H3.

Yntec/IllustratorInk — модель преобразования текста в изображения, созданная Yntec на основе Tantrum. По карточке, в чекпойнт Tantrum встроена LoRA Cute and Fresh; в описании также приведён экспериментальный рецепт слияния с HELLmix, названный Cute Ink. Модель рассчитана на создание иллюстраций в милом мультяшном и аниме-стиле по текстовым запросам. Примеры показывают персонажей, чиби и сцены с детализированными атрибутами. Репозиторий использует Diffusers и формат safetensors. Лицензия — CreativeML OpenRAIL-M. Автор отмечает, что попытка улучшить универсальность с помощью HELLmix привела к ещё одной аниме-модели.

InternVL3-38B-CVRR — мультимодальная модель для ответов на вопросы об изображениях, разработанная авторами работы «Reason Through the Latent! Making Latent Visual Reasoning Necessary» на базе OpenGVLab/InternVL3-38B. Она использует метод Causal Visual Recurrent Reasoning (CVRR): рекуррентно уточняет состояние вопроса с доступом к визуальным данным, а затем передаёт итоговое состояние декодеру ответа, ограничивая его прямой доступ к исходным визуальным данным. Модель предназначена для визуального рассуждения и генерации текстовых ответов на вопросы по изображениям. Рекуррентный переход адаптирован с помощью LoRA и включён в опубликованный пакет вместе с весами базовой модели и специальным загрузчиком. Размер базовой модели — 38 млрд параметров; формат весов — safetensors, библиотека запуска — Transformers. Репозиторий распространяется по лицензии Apache-2.0. Для запуска нужны зависимости из requirements.txt и Transformers 4.57.6. Загрузчик не поддерживает автоматическое разбиение модели по GPU, повторную сериализацию через стандартный save_pretrained(), а также прямой запуск через vLLM или SGLang; требуется полная копия модели на каждом GPU. Выпускаемая версия использует T=4 и beta=0.5; исторические результаты с beta=0.33 не подтверждены для этого пакета.

Jackpot — модель генерации изображений по текстовому описанию, опубликованная пользователем Yntec. В карточке приведены примеры генерации персонажей, животных и сцен в разных художественных стилях; автор также предлагает попробовать SQUEE для улучшения глаз персонажей. Модель распространяется в формате Diffusers и SafeTensors, лицензия — CreativeML OpenRAIL-M. Карточка не сообщает архитектуру точнее семейства Stable Diffusion, размер модели, контекст или поддерживаемые языки. Примеры показывают генерацию иллюстраций по текстовым промптам, но автор предупреждает, что качество изображений может быть невысоким.

Khalidouaze — модель text-to-image на базе Stable Diffusion, созданная Kha37lid с помощью DreamBooth и ноутбука fast-DreamBooth от TheLastBen. Она предназначена для генерации изображений по текстовым описаниям с изученным в ходе дообучения концептом «Khalidouaze»; карточка предлагает проверять концепт через A1111 Colab fast-Colab-A1111. Модель распространяется в форматах Diffusers и PyTorch с весами Safetensors по лицензии CreativeML OpenRAIL-M. Сведения о размере модели, контексте и поддерживаемых языках в карточке не приведены.

Krea-2-LoRA-softwatercolor — адаптер LoRA, разработанный Krea для генерации изображений на базе модели Krea 2. Он предназначен для text-to-image сценариев и добавляет к Krea-2-Turbo визуальную стилистику мягкой акварели с элементами Art Deco. Для активации стиля используется триггерная фраза «Art Deco watercolor style», после чего модель можно применять к сценам с персонажами, природой, архитектурой, пейзажами и другими сюжетами. Адаптер поставляется в файле softwatercolor.safetensors и должен использоваться совместно с Krea-2-Turbo через diffusers и Krea2Pipeline; самостоятельной моделью он не является. Он обучен на Krea-2-Raw, а опубликованные примеры визуализированы на Krea-2-Turbo за 8 шагов при guidance scale 0.0 и весе LoRA 1.0. Данные о размере модели, разрешении изображений, максимальном контексте и точном наборе поддерживаемых языков не указаны. Модель ориентирована на стилизованную художественную генерацию, но может наследовать ограничения базовой модели и чувствительность результата к формулировке промпта. Указана специальная лицензия krea-2-community-license; её условия следует уточнять в приложенном лицензионном документе.

John6666/lustify-sdxl-nsfwsfw-v2-sdxl — модель генерации изображений по текстовому описанию на базе Stable Diffusion XL, опубликованная пользователем John6666 на Hugging Face. Репозиторий содержит компоненты Diffusers и веса Safetensors; карточка запускает модель через StableDiffusionXLPipeline. Модель предназначена для создания реалистичных и фотореалистичных изображений, в том числе контента для взрослых. Она принимает текстовый промпт на английском языке и генерирует изображение. Длина контекста текстового энкодера CLIP — 77 токенов. Модель распространяется по лицензии CreativeML Open RAIL-M. Данных о конкретных ограничениях качества или недостатках модели в использованных источниках нет.

Это модель генерации изображений в стиле исламского искусства Средневековья, созданная abidlabs с помощью DreamBooth и обученная на базе Stable Diffusion v1.5. Она принимает текстовые запросы; для вызова изученного стиля в промпте следует использовать фразу «middle-ages-islamic-art». Модель распространяется в формате Diffusers/PyTorch и рассчитана на запуск через библиотеку diffusers. Лицензия — CreativeML OpenRAIL-M.

Nostalgic Life — модель генерации изображений из текста на базе Stable Diffusion, созданная объединением Cool Kids v1 и v2 от Clumsy_Trainer, композиций GoldenLife от DucHaiten и стиля Esthetic Retro Anime от OneRing. Модель предназначена для создания ностальгических иллюстраций с ретро-аниме и детской книжной эстетикой: персонажей чиби, детей и сказочных сцен. В карточке представлены примеры запросов для иллюстраций с персонажами, животными, фантастическими декорациями и винтажной рекламной стилистикой. Репозиторий использует Diffusers и формат safetensors. Лицензия — CreativeML OpenRAIL-M. Судя по описанному рецепту SuperMerger, это слияние моделей; отдельно упоминается VAE-вариант NostalgicLifeVAE. Карточка не сообщает точные размер модели или длину контекста. Примеры показывают разнородные стили и запросы, поэтому результат может зависеть от формулировки промпта и не гарантирует единообразную детскую книжную эстетику.

nova-furry-xl-il-v120-sdxl — модель генерации изображений по тексту, опубликованная пользователем John6666 на Hugging Face. Она предназначена для создания furry-иллюстраций с персонажами-животными, включая антропоморфные и feral-образы, в стилях от 2D до 3D; метки репозитория указывают также на поддержку теговых промптов и детализированных поз. Модель реализована как Stable Diffusion XL pipeline на базе Diffusers с текстовыми энкодерами CLIP, UNet и VAE. Это слияние Laxhar/noobai-XL-1.1 и OnomaAIResearch/Illustrious-XL-v2.0. Репозиторий содержит файлы Diffusers и safetensors и использует лицензию faipl-1.0-sd. Карточка не приводит подтверждённых данных о размере и длине контекста. Модель помечена как содержащая чувствительный контент и включает метки hentai и yiff, поэтому подходит для создания взрослого контента.