I.8Изображения и компьютерное зрение

Colorjizz-768px v.1.0 — модель генерации изображений на основе Stable Diffusion 1.5, обученная на наборе из 130 изображений с разрешением 768 пикселей. Автор указывает 8000 шагов обучения и обучение на текстовых описаниях в 30% случаев; для активации концепции рекомендуется включать в запрос слово «colorjizz».

dndcoverart-v1 — модель генерации изображений, обученная abesmon методом DreamBooth на базе Stable Diffusion v1.5. Она предназначена для создания иллюстраций обложек в стилистике D&D по текстовому запросу; для вызова изученного концепта в запросе используется ключевое слово dndcoverart. Модель работает через Diffusers и распространяется в форматах Diffusers и PyTorch. Модель принимает текстовые описания и генерирует изображения. Репозиторий распространяется по лицензии CreativeML OpenRAIL-M. Карточка не сообщает контекстные характеристики или конкретные ограничения качества.

Это LoRA-модель furaidosu/flux-lora-gliff-tosti-vector-1-1500s для генерации изображений по текстовому описанию. Она создана для использования с базовой моделью black-forest-labs/FLUX.1-schnell через библиотеку Diffusers. По примерам модель ориентирована на современный векторный стиль с чёткими линиями, гладкими формами, яркими цветами и дополнительной мрачной фэнтезийной, зернистой атмосферой; рекомендуемый триггерный промпт — «in a dark fantasy style, grainy». Разработчик в README явно не указан, известен только идентификатор репозитория furaidosu/flux-lora-gliff-tosti-vector-1-1500s. Модель предназначена для создания цифровых мультяшных иллюстраций, портретов персонажей и сцен с элементами dark fantasy, horror и gothic aesthetics. Примеры показывают изображения людей, животных и фантастически или зловеще стилизованных персонажей, включая композиции с однотонным фоном. В README указана текстовая модальность ввода и генерация изображений размером 1024×1024. Язык примеров и метаданных — английский. Размер LoRA, точные параметры архитектуры, максимальная длина контекста и дополнительные поддерживаемые модальности не указаны. Сильная сторона модели — выраженная стилистическая специализация на вектороподобной мультяшной графике с контрастным, иногда мрачным визуальным настроением. Ограничения связаны с узкой направленностью стиля и отсутствием подробной информации о качестве, совместимости с другими версиями FLUX и рекомендуемых коэффициентах применения. Модель распространяется по лицензии flux-1-dev-non-commercial-license; она предназначена для некоммерческого использования в соответствии с условиями лицензии FLUX.1-dev.

Hitokomoru Diffusion — латентная модель диффузии для генерации изображений по текстовому описанию, созданная Linaqruf на основе Stable Diffusion. Модель дообучена на 255 работах японского художника ヒトこもる/Hitokomoru, собранных с Danbooru: обучение заняло 20 000 шагов, также доступны варианты чекпойнта после 5 000, 10 000 и 15 000 шагов. При обучении использовалась группировка изображений по соотношению сторон, поэтому модель рассчитана на генерацию в не квадратных разрешениях. Модель предназначена прежде всего для создания иллюстраций в аниме-стиле. Она понимает теги Danbooru, которыми можно описывать персонажей, внешность, окружение и визуальные детали. Репозиторий содержит веса в форматах Diffusers и PyTorch; для работы через Diffusers используется StableDiffusionPipeline. Лицензия — CreativeML Open RAIL-M. Обучающая выборка невелика, а автор отмечает, что ранние результаты часто получаются с простым фоном. Модель специализирована на художественном стиле и может быть менее пригодна для иных визуальных стилей и сюжетов.

Krea-2-LoRA-vintagetarot — адаптер LoRA, разработанный Krea для модели генерации изображений Krea 2. Он предназначен для добавления к изображениям визуального стиля винтажных карт Таро по текстовому описанию; триггерная фраза — «vintage tarot style». Адаптер рассчитан на использование с контрольной точкой krea/Krea-2-Turbo и обучен на krea/Krea-2-Raw. Модель поддерживает текст-в-изображение через библиотеку Diffusers и файл весов vintagetarot.safetensors. В README не указаны размер адаптера, архитектура базовой модели, разрешение изображений, длина контекста или перечень поддерживаемых языков; в метаданных указан английский язык. В качестве примеров приведена генерация сцен с людьми, животными, пейзажами и фантастическими персонажами. Для демонстрационных результатов использовались 8 шагов инференса, guidance 0.0 и вес LoRA 1.0. Сильная сторона адаптера — специализация на узнаваемой стилистике винтажного Таро при сохранении возможности задавать разнообразные сюжеты текстом. Ограничение заключается в зависимости от совместимой модели Krea-2-Turbo и необходимости правильно использовать триггерную фразу; качество и поведение при других настройках или с другими базовыми моделями не описаны. Лицензия указана как krea-2-community-license, при этом подробные условия доступны по ссылке на файл LICENSE.pdf.

Longan Mix — слитая модель генерации изображений от Hemlok на основе 7th_Layer(). Она предназначена прежде всего для создания изображений в аниме-стиле с милыми персонажами; реалистичный стиль выражен слабее. Модель принимает текстовые запросы и выдаёт изображения. В README приведены рекомендуемые настройки: DDIM или DPM++ SDE Karras, около 20 шагов и более, Clip Skip 2 и CFG Scale 5–12. Для 7th_Layer рекомендуется использовать негативные запросы; выбор VAE оставлен пользователю. Указанные настройки служат ориентирами, а результат зависит от запроса и параметров генерации. Лицензия обозначена как other, поэтому конкретные условия использования по имеющимся сведениям определить нельзя. Создатель оставляет решение о создании SFW- и NSFW-изображений пользователю и не подтверждает проверку NSFW-результатов.

Модель создана misas4444: это дообученная с помощью DreamBooth модель Stable Diffusion для генерации изображений коллекционной фигурки Марио. Для генерации концепта в запросе используется фраза «a photo of sks action figure». Модель предназначена для создания изображений фигурки по текстовому описанию и может запускаться через библиотеку diffusers. Модель распространяется в форматах Diffusers и PyTorch по лицензии MIT. В карточке не приведены сведения о размере модели, длине контекста и поддерживаемых языках; обучающий концепт задан англоязычным триггером.

NSFW-gen-v2.1 — генератор изображений по текстовому описанию от UnfilteredAI на базе Stable Diffusion XL Pipeline. Модель дообучена на OEvortex/PixelGen и распространяется в форматах Diffusers и Safetensors; в README указан размер 3,47 млрд параметров и тип тензоров FP16. Модель предназначена для создания изображений по текстовым запросам, включая контент для взрослых, а также изображения в 3D-стилистике. Карточка предлагает указывать в запросе «3d» или «3d style». Языковые теги репозитория — английский, португальский и тайский. Лицензия указана как other, поэтому конкретные условия использования следует проверять на странице репозитория. Модель рассчитана на совершеннолетних пользователей.

Original-Character---Cyclps — модель генерации изображений, созданная alvdansen методом DreamBooth на базе Stable Diffusion. Она обучена на 12 изображениях в течение 1500 шагов как часть исследования Archimedes Institute о том, как обучать модели изображению оригинальных персонажей. Для генерации персонажа используется текстовое описание; модель совместима с Diffusers и PyTorch. Лицензия — CreativeML OpenRAIL-M. Модель предназначена для создания изображений персонажа Cyclps по текстовым запросам. В README приведены варианты запуска через интерфейс AUTOMATIC1111 и Diffusers. Карточка не уточняет размер модели, поддерживаемые языки, длину контекста и ограничения на качество генерации.

Pony Diffusion V3 — модель латентной диффузии для генерации изображений по текстовому описанию, созданная AstraliteHeart на основе Stable Diffusion 1.5. Её дообучили на примерно 1,7 млн пар изображений и подписей с пони, фурри и другими мультяшными сюжетами; обучение включало материалы Derpibooru, e621 и Danbooru. Модель предназначена для генеративного искусства и развлечений, в том числе для создания стилизованных персонажей и полнофигурных изображений. Модель лучше работает с теговыми подсказками, поддерживает неквадратные изображения и рассчитана на разрешение до 768 пикселей. Она также генерирует широкий спектр фурри и мультяшных изображений, но для аниме README рекомендует Waifu Diffusion. Модель способна создавать изображения с откровенным содержанием; для ограничения таких результатов авторы рекомендуют добавлять тег safe и подходящие отрицательные подсказки. Лицензия — BigScience BLOOM RAIL 1.0.

Norod78/sd15-muppet-blip — модель генерации изображений на основе Stable Diffusion 1.5, адаптированная для создания изображений с персонажами «Маппетов». В карточке показаны примеры генерации Cookie Monster и Kermit в заданных художественных стилях; репозиторий использует Diffusers и PyTorch. Модель принимает текстовые описания и создаёт изображения. Примеры демонстрируют настройку генерации через промпт, negative prompt, число шагов, sampler и CFG scale. Карточка указывает английский язык; лицензия — CreativeML OpenRAIL-M.

SeaArt-Furry-XL-1.0 — модель генерации изображений по тексту от SeaArt на архитектуре Stable Diffusion XL. Она предназначена для создания иллюстраций в furry-стиле и ориентирована на персонажей разных видов, в том числе млекопитающих и птиц. Веса представлены в формате Diffusers и точности fp16; для генерации используются текстовые энкодеры OpenCLIP-ViT/G и CLIP-ViT/L. Модель подходит художникам и любителям furry-арта для создания персонажей, подбора художественных стилей и получения идей для иллюстраций. В README рекомендовано располагать элементы промпта в порядке: вид, художник, детализация, подсказка качества и уровень NSFW; среди рекомендованных размеров указаны 1024×1024, 1152×896 и 896×1152. Карточка отмечает, что подсказки «masterpiece» и «best quality» могут склонять генерацию к NSFW-содержанию. Репозиторий содержит конвертированную в Diffusers версию файла furry-xl-4.0.safetensors; README указывает, что исходный вариант имеет точность fp32. В Diffusers-раздаче отсутствует файл unet/config.json, что может потребовать дополнительных действий при загрузке. Метаданные указывают лицензию creativeml-openrail-m, тогда как README называет Fair AI Public License 1.0-SD; лицензионные условия следует сверить с источником распространения.

Sketchstyle — модель генерации изображений в стиле cutesexyrobutts, созданная автором репозитория cosc/sketchstyle-cutesexyrobutts на основе Stable Diffusion. Она обучалась методом DreamBooth на изображениях, преимущественно для генерации иллюстраций по текстовому описанию; автор также рекомендует использовать img2img для переноса стиля на исходное изображение. Токен «sketchstyle» помогает вызвать характерный стиль. В карточке описаны версии, обученные на наборах примерно от 400 до 1300 изображений, а также слияния с Pastelmix. Для версий V4 автор рекомендует начинать с CFG 6–9 и разрешений около 768×768. Модель может создавать откровенные изображения и склонна к откровенной одежде. Известные ограничения — ошибки анатомии, артефакты глаз и губ, нечёткие контуры и несогласованные результаты при увеличении разрешения. README указывает лицензию CreativeML OpenRAIL-M; применяйте модель с учётом её условий.

SonicDiffusionV2 — модель генерации изображений по текстовому описанию, опубликованная Metal079. Автор сообщает, что версия обучалась 200 эпох на базе AnythingV3 на 203 изображениях разных художников с ручными подписями; также приведены примеры версии на базе Stable Diffusion 2.1, обучение которой было прервано на 30 000 шагах. В репозитории указаны форматы Diffusers и PyTorch. Модель предназначена для создания иллюстраций с персонажами mobian и настройки художественного стиля и контекста по текстовым промптам. Автор отмечает склонность к женским персонажам из-за состава обучающих изображений и размытие у краёв изображения, связанное с кадрированием обучающих примеров. Лицензия в предоставленных данных не указана.

threadgrid-qwen35-4b-p4c — дообученная модель Qwen3.5-4B от автора проекта thread-the-grid для чтения скриншотов головоломок с квадратной сеткой, пронумерованными точками маршрута и стенами между клетками. Она принимает изображение поля и возвращает его описание в JSON, чтобы отдельный точный решатель мог построить маршрут. Это модель зрения и языка на базе Qwen3.5-4B, опубликованная в GGUF F16 вместе с проектором зрения; также в репозитории есть исходный LoRA-адаптер. Для запуска автор проверил Ollama на видеокарте NVIDIA с 16 ГБ памяти. Модель обучена на 8 000 синтетических полях 6×6 одного рендерера: на 200 отложенных синтетических примерах и 10 дополнительных проверках автор сообщает точное распознавание всех полей, а на шести реальных скриншотах верно разобраны пять. Эти результаты не подтверждают надёжность на произвольных изображениях: обучение охватывало только один стиль отрисовки. Для лучшего качества требуется проверить JSON-ответ модели; веса F16 занимают около 9,1 ГБ диска и работа на CPU не проверялась. Лицензия — Apache-2.0.

Zuki Cute Ill V60 SDXL — модель для генерации изображений по текстовым описаниям, созданная ZU_KI на основе OnomaAIResearch/Illustrious-xl-early-release-v0. Это дообученная модель семейства Stable Diffusion XL, распространяемая в форматах Diffusers и safetensors. Модель ориентирована на создание милых аниме- и комиксных иллюстраций, в том числе персонажей и изображений с заданной художественной стилистикой. В README перечислены поддерживаемые теги художников, включая ningen mame, ciloranko, wlop и mignon, и заявлена поддержка широкого набора таких тегов. Для генерации используются текстовые промпты на английском языке. В метаданных указана лицензия «other» без дополнительных условий, поэтому конкретные права использования по доступным сведениям определить нельзя. Специализация на аниме-изображениях и тегах художников задаёт художественную направленность модели.

Banano Chan – Protogen v2.2 — модель латентной диффузии для генерации изображений по текстовому описанию. Её автор дообучил Protogen v2.2 в стиле аниме методом DreamBooth, чтобы модель воспроизводила образ Banano Chan — персонажа, связанного с криптовалютой Banano. Модель предназначена для создания детализированных изображений по сложным промптам. В карточке приведён пример генерации квадратного изображения 768 × 768 с использованием Euler a, 20 шагов и CFG scale 7; также упомянуты интерфейс AUTOMATIC1111 и библиотека Diffusers. Метаданные указывают форматы Diffusers, PyTorch и Safetensors, а также лицензию CreativeML OpenRAIL-M. Основной язык текстовых промптов — английский. README не сообщает размер модели и длину контекста.

Muapi/breast-size-slider-pony-illustrious — LoRA-модель для генерации изображений по текстовому описанию, разработанная для экосистемы MUAPI. Она предназначена для использования совместно с базовой моделью OnomaAIResearch/Illustrious-xl-early-release-v0 в сценариях text-to-image, в частности для управления или изменения визуального размера груди персонажей. В README также указана совместимость с Pony/Illustrious. Модель относится к семейству Stable Diffusion XL и подключается через библиотеку diffusers или API MUAPI. Рекомендуемый пример использует разрешение 1024×1024, один результат и силу LoRA 1.0. Данные о размере обучаемых параметров, контексте, языках, модальностях помимо генерации изображений и конкретных обучающих словах не приведены. Для работы через API требуется ключ MUAPI. Лицензия указана как OpenRAIL++. Сильная сторона модели — специализированное управление отдельным визуальным атрибутом при генерации изображений на базе Illustrious. Ограничения README не описывает; также отсутствуют сведения о качестве на разных запросах, диапазоне рекомендуемых значений силы LoRA и допустимых сценариях коммерческого использования.

DucHaitenNiji Cute v2.3.5 — модель генерации изображений по текстовому описанию, опубликованная Yntec и основанная на семействе Stable Diffusion. Она предназначена для создания милых мультяшных и аниме-иллюстраций, в том числе изображений персонажей в стиле chibi. Репозиторий представлен в форматах Diffusers и PyTorch с весами Safetensors; для работы используется библиотека Diffusers. В карточке приведён пример промпта для детализированного изображения милой девушки с крупными глазами. Модель ориентирована на визуальный стиль, а не на универсальную генерацию изображений. Лицензия — CreativeML OpenRAIL-M; её условия использования и ограничения следует учитывать при распространении и применении созданных изображений.

Dronam-Vision-V1-GGUF — медицинская мультимодальная модель для анализа рентгенограмм, представленная как вариант Dronam-Vision-V1 для запуска через llama.cpp и LM Studio. По README, языковая модель объединена с Gemma-4-E2B-it и квантована в GGUF Q4_K_M; также в репозитории есть ONNX-классификатор переломов. Метаданные указывают производную связь с amitaddi/dronam-vision-v1, поддержку диалога с изображениями и лицензию Apache-2.0. Модель предназначена для подготовки чернового описания рентгенограмм: определения области исследования, проекции и наличия медицинских конструкций. README приводит результаты гибридного определения переломов на 816 снимках FracAtlas: сбалансированная точность 85,8%, чувствительность 93,0%, специфичность 78,6%; точность определения области составила 92,3%, проекции — 87,7%. Для флага перелома следует отдельно запускать ONNX-классификатор на CPU. Описание является вспомогательным материалом, и каждое заключение должен проверять врач. Модель рассчитана на контекст 4096 токенов по инструкции запуска; README не сообщает отдельного размера модели помимо файловых размеров.

Модель создана hiero: это Stable Diffusion, дообученная методом DreamBooth для генерации изображений в стиле Эмили Кэрролл. Для вызова стиля в запросе используется instance prompt «a detailed digital matte illustration by sks». Модель предназначена для создания цифровых иллюстраций по текстовому описанию и работает с библиотекой diffusers в форматах Diffusers и PyTorch. Модель распространяется по лицензии MIT. Карточка указывает на обучение на изображениях, связанных с концепцией стиля Эмили Кэрролл; конкретные ограничения качества и поддерживаемые языки не описаны.

Flux-Lego-Ref-LoRA — адаптер LoRA, разработанный prithivMLmods для базовой модели black-forest-labs/FLUX.1-dev. Модель предназначена для генерации изображений в стиле LEGO по текстовым описаниям, включая сцены с фигурками, роботами, астронавтами и другими игрушечными персонажами. Для активации требуется использовать триггерную фразу «lego --fref --89890». Модель ещё находится на этапе обучения и не является финальной версией, поэтому в отдельных случаях возможны артефакты и слабое качество результата. Адаптер обучен на 15 изображениях с разметкой на английском языке, созданной с помощью Florence-2. Указаны параметры LoRA: Network Dim 64 и Network Alpha 32; обучение проводилось в течение 10 эпох, всего использовано 2350 шагов. Рекомендуемые размеры изображений — 1280×832 с соотношением сторон 3:2 и 1024×1024 как вариант по умолчанию; рекомендуемое число шагов генерации — 30–35. Модель работает с текстовой модальностью и рассчитана на применение через Diffusers совместно с FLUX.1-dev. Сильной стороной адаптера является специализация на LEGO-стилизации и поддержка различных сюжетных сцен по текстовому запросу. Ограничения связаны с небольшим объёмом обучающих данных, незавершённым состоянием разработки и возможными артефактами. Лицензия — creativeml-openrail-m.

Analgirls916/Flux-Uncensored-V2 — это LoRA-адаптер, разработанный EnhanceAI для базовой модели black-forest-labs/FLUX.1-dev. Он предназначен для генерации изображений по текстовым описаниям, включая NSFW- и другой контент без ограничений, связанных с исходной моделью. Адаптер подключается к pipeline FLUX.1-dev через библиотеку diffusers; для оптимальной работы рекомендуется CUDA-совместимая GPU, а в примере используется torch.bfloat16. Версия v2 получила улучшения производительности, исправления стабильности и более компактные LoRA-веса без заявленного снижения качества. Для управления генерацией NSFW-контента рекомендуется использовать триггерные слова вроде nsfw, naked, erotic, nude и explicit. README не содержит сведений о точном числе параметров, поддерживаемых языках, размере контекста или дополнительных модальностях; по указанным данным модель ориентирована на текстовое управление генерацией изображений. Адаптер предназначен для исследовательского и личного использования. Он распространяется на условиях FLUX-1-dev Non-Commercial License, поэтому коммерческое применение не разрешено условиями, указанными в README. Модель способна создавать явные изображения, что требует соблюдения законодательства, этических норм и правил площадок; ограничения базовой модели в отношении контента были намеренно ослаблены.

Grapefruit Hentai MO — модель генерации изображений по текстовому запросу, опубликованная под аккаунтом StableDiffusionAPI и доступная через ModelsLab API. Пример в карточке показывает генерацию реалистичного портрета с помощью Stable Diffusion Pipeline; можно задавать положительный и отрицательный промпты, размер изображения, число шагов генерации и guidance scale. Модель предназначена для создания изображений по описанию, в том числе откровенного контента в стилистике hentai. В карточке приведён пример с разрешением 512 × 512 и 30 шагами генерации. Репозиторий содержит веса в форматах Diffusers и PyTorch; для указанного API-сценария требуется ключ ModelsLab. Лицензия — CreativeML OpenRAIL-M.

Kivotos XL 2.0 — диффузионная модель генерации изображений по тексту, разработанная Linaqruf и опубликованная в серии Yodayo Kivotos XL. Она дообучена на Animagine XL 3.1, модели на базе Stable Diffusion XL, и настроена на создание иллюстраций в стиле аниме с визуальной эстетикой франшизы Blue Archive. Модель можно использовать через ComfyUI, Stable Diffusion WebUI или библиотеку diffusers. Для генерации можно добавлять специальные теги качества, рейтинга, периода и эстетики, унаследованные от Animagine XL 3.1. В README рекомендованы CFG около 5–7, 25–30 шагов и сэмплер Euler Ancestral. Лицензия — Fair AI Public License 1.0-SD. Карточка не приводит сведений о размере модели или поддерживаемых разрешениях.

KrishokTech-Models — набор моделей компьютерного зрения для диагностического конвейера KrishokChat, разработанного для сельского хозяйства Бангладеш. В набор входят YOLO26-cls для определения десяти групп культур и отдельные классификаторы болезней для разных культур, а также ансамбль из пяти EfficientNet-B0 для оценки матричного натяжения почвенной влаги по полевым изображениям. Результаты предназначены для диагностики болезней растений и рекомендаций по орошению. Модели принимают изображения и выдают метки классов; модель влажности почвы дополнительно оценивает непрерывное значение в кПа. В репозитории представлены веса ONNX и GGUF F16, а для запуска и обучения указан Ultralytics. Карточка описывает полный комплект, хотя метаданные каталога классифицируют его как image-classification. Лицензия — Apache-2.0.

Карточка модели MBZUAI/MedMO-8B на Hugging Face совпадает с карточкой MBZUAI/MedMO-8B-Next, поэтому описание составлено по ней. MedMO-8B-Next — мультимодальная медицинская модель семейства MedMO, разработанная MBZUAI для анализа изображений и ответов на вопросы о медицинских данных. Это плотная модель на 8 млрд параметров с архитектурой Qwen3-VL, доступная в формате Safetensors и рассчитанная на диалоговую работу с изображениями и текстом. Модель предназначена для медицинского визуального вопросно-ответного поиска, клинического обоснования, локализации объектов и подготовки описаний и отчётов по снимкам. В README заявлено обучение на более чем 26 млн медицинских примеров из 45 наборов данных и поддержка рентгеновских снимков, КТ, МРТ, ультразвуковых изображений, гистопатологии, микроскопии, снимков глазного дна и OCT. Карточка приводит результаты на наборах медицинских VQA и Text QA, однако предоставленная таблица неполна, поэтому обобщённые заявления о превосходстве следует воспринимать с учётом этой оговорки. Модель принимает изображение и текстовый запрос и формирует текстовый ответ; поддерживаемый языковой охват в доступных материалах не указан. Лицензия — Apache-2.0. Медицинские ответы модели не следует считать заменой профессиональной интерпретации снимков или клинического решения.

NSFW-gen-v2.1 — модель генерации изображений по текстовому описанию от UnfilteredAI, основанная на дообучении OEvortex/PixelGen. Она предназначена для создания разнообразных изображений, включая откровенный контент; в карточке также заявлена генерация в 3D-стиле. Модель работает с библиотекой Diffusers и использует формат safetensors; README указывает тип тензоров FP16 и размер 3,47 млрд параметров. Модель подходит для генерации изображений по текстовым промптам в художественных и развлекательных сценариях. Поддерживаемые языки по метаданным — английский, португальский и тайский. Лицензия указана как other, поэтому условия использования следует проверять в репозитории модели. Карточка предупреждает о возможности генерации откровенных изображений и ограничивает использование совершеннолетними.

ResNet-50, разработанная Microsoft и дообученная автором репозитория Aunsiels для классификации рентгеновских снимков грудной клетки на классы NORMAL и PNEUMONIA. Модель предназначена для автоматического скрининга снимков и экспериментальной оценки наличия пневмонии; при обучении использовались взвешенная функция потерь и аугментации изображений. Модель принимает изображение рентгеновского снимка и возвращает метку класса. На стандартной тестовой выборке автор сообщает точность 0,833 и взвешенную F1-меру 0,835. Модель основана на ResNet-50 v1.5, предварительно обученной на ImageNet-1k, и опубликована в формате safetensors. Лицензия — Apache-2.0.

pmczip/SD1.5_LoRa_Models — это набор LoRA-адаптеров для Stable Diffusion v1.5, предназначенных для генерации фотореалистичных изображений людей по текстовым описаниям. В набор входят отдельные модели для воспроизведения внешности перечисленных в README актрис, певиц и других публичных персон; для некоторых персон доступны две версии. Разработчик явно не указан, однако набор опубликован под идентификатором pmczip/SD1.5_LoRa_Models. Модели используют архитектуру LoRA и формат safetensors, работают с базовой моделью stable-diffusion-v1-5/stable-diffusion-v1-5 и ориентированы на сценарии text-to-image в экосистеме Diffusers. Указан английский язык. Сильная сторона набора — специализация на фотореалистичном сходстве с конкретными персонами при использовании совместимой базовой модели. Ограничения включают зависимость от Stable Diffusion 1.5, узкую специализацию на перечисленных образах и отсутствие данных о размере адаптеров, контекстном окне, рекомендуемых параметрах генерации и результатах оценки качества. Использование регулируется bespoke-lora-trained-license; подробные условия приведены по ссылке https://multimodal.art/civitai-licenses.