Hassaku MOSS
аниме-чекпоинт на архитектуре MOSS Image
2 мин чтения
Чекпоинт от автора популярной серии Hassaku (Ikena), созданный для генерации изображений в аниме-стилистике. Модель основана на базе MOSS Image с архитектурой DiT (Diffusion Transformer — диффузионный трансформер, который гибче работает с разными пропорциями и высокими разрешениями по сравнению с классическими UNet-моделями). Несмотря на экспериментальный характер релиза, модель выдаёт детализированную картинку, а при отсутствии персонажей в кадре или использовании описаний на естественном языке способна генерировать реалистичные сцены. Подойдёт энтузиастам, которые хотят протестировать возможности новой архитектуры MOSS в аниме-генерации.
Ключевые особенности
- Обучена на компактном, но плотном датасете из 120 000 изображений, размеченных собственным кэпшенером автора.
- Гибкая работа с форматами: благодаря архитектуре DiT чекпоинт поддерживает как стандартные квадратные, так и вытянутые или повышенные разрешения.
- Понимает описания на естественном языке (natural language) без необходимости использовать только сухие теги.
- Первый тестовый релиз автора на базе MOSS, подтверждающий успешную дообучаемость этой архитектуры.
Что можно сделать
- Генерировать аниме-иллюстрации с персонажами в высоком разрешении, используя рекомендованный вертикальный формат 832 × 1216.
- Создавать детализированные фоны, пейзажи и сцены без людей с помощью развёрнутых текстовых описаний на естественном языке.
- Сравнить качество и гибкость разрешений архитектуры DiT на примере MOSS с привычными моделями на базе Illustrious.
Пример
Рекомендуемые параметры генерации:
Разрешение: 832 × 1216 (оптимально) или другие варианты от 640 × 1536 до 1536 × 640
Steps: 30–50 | CFG Scale: 3–5
Negative prompt: worst quality, watermark, jpeg artifact, blurry, nose (тег nose автор советует добавлять при необходимости, чтобы скорректировать отрисовку лица).
Подробнее
Архитектура: Diffusion Transformer (DiT) на базе MOSS Image.Обучение: датасет на 120k изображений.
Ограничения: модель позиционируется автором как тестовый запуск обучения на новой архитектуре.
Поддерживаемые разрешения: 1536×640, 1344×768, 1216×832, 1152×896, 1024×1024, 896×1152, 832×1216, 768×1344, 640×1536 и выше.










Комментарии