К содержимому
Изображения

DeFLOCNet

восстановление участков фото по наброску и цвету

2 мин чтенияобновлено

DeFLOCNet решает задачу инпейнтинга (закрашивания и восстановления пропущенных или скрытых областей изображения) в разрешении 256 × 256 пикселей. В отличие от обычного заполнения по маске, модель позволяет дополнительно задать контуры скетчем и указать желаемые оттенки цветными штрихами. В репозитории от автора KumaPower доступны два чекпоинта на базе архитектуры sd_color_v2 — для крупных портретов и для повседневных сцен. Инструмент пригодится для точечной ретуши, редактирования деталей лиц и доработки композиции на небольших изображениях.

Ключевые особенности

  • Два специализированных веса: deflocnet-hdtf-step10000.pt обучен на обрезках лиц HDTF (10 000 шагов), а deflocnet-general-step23500.pt — на смешанном датасете из Places2, Unsplash, T2I и HDTF (23 500 шагов).
  • Тройное управление: холст объединяет белую маску (область генерации), чёрные линии скетча и редкие цветовые подсказки.
  • Сохранение оригинала: пиксели за пределами белой маски напрямую копируются из исходного изображения размером 256 × 256.
  • Готовность к инференсу: файлы представляют собой FP32-чекпоинты генератора на PyTorch для локального запуска.

Что можно сделать

  • Ретушь и правка портретов: использовать портретный чекпоинт с функцией автокадрирования лица, чтобы перерисовать черты или детали на крупном плане по контуру.
  • Редактирование пейзажей и архитектуры: применить универсальный чекпоинт для замены объектов на фото зданий и природы с заданием нужного силуэта и палитры.
  • Сравнение результатов в студии: протестировать оба чекпоинта на одном и том же снимке, маске и seed в веб-демо DeFLOCNet Studio перед локальной интеграцией.

Пример

Загрузите изображение в DeFLOCNet Studio, выберите режим Auto-frame portrait (для автокадрирования одного лица) или Use full image (для сцен и уже обрезанных портретов), закрасьте белой маской нужную область, добавьте чёрный скетч и цветовые штрихи — модель сгенерирует недостающий фрагмент и объединит его с нетронутыми пикселями исходника.

ПодробнееАрхитектура: sd_color_v2 (метод DeFLOCNet впервые представлен на CVPR 2021).
Формат и разрешение: FP32-чекпоинты генератора, фиксированный размер входа и выхода 256 × 256.
Обучение: 10 000 шагов (HDTF portrait) и 23 500 шагов (General scenes).
Инструкция по локальному запуску через командную строку размещена в GitHub-репозитории автора.
Обсудить Telegram 0

Запустится ли?

Запустится в BF16

Влезает без сжатия.

  • BF16веса 0.3 GB · готовые файлы1.8 GB
  • FP8 / INT8рекомендуемвеса 0.2 GB1.7 GB
  • 4-bitвеса 0.1 GB1.6 GB

Совет: берите 8-bit.FP8 / INT8 почти не отличается по качеству от полной точности (разница в пределах процента), а памяти занимает вдвое меньше и на RTX 40/50, H100 работает быстрее. Полную точность есть смысл брать только для дообучения.

Что взять под эту модель

Massed ComputeОткрыть Massed Compute

Своя видеокарта: FP8 / INT8 — от RTX 2060 · BF16 — от RTX 2060

Почасовые цены Massed Compute на ноябрь 2026. Цена со скидкой — с промокодом при оплате.

Оценка: веса плюс рабочая память. Длинные ролики, высокое разрешение и большой контекст требуют больше.

Запуск на Massed Compute

Скрипт скачает модель на арендованную машину. Как её запустить — в карточке модели.

  1. 1. Арендуйте машину с подходящей видеокартой

    Открыть Massed Compute
  2. 2. Вставьте скрипт в терминал машины

    Подключитесь по SSH (команда есть в панели Massed Compute) или откройте терминал на рабочем столе машины.

    HF_TOKEN / CIVITAI_TOKENВ начале скрипта строки для токенов: вставьте свой между кавычками. Токен Hugging Face нужен для закрытых моделей, токен Civitai — для моделей с Civitai.

    # KumaPower/DeFLOCNet
    mkdir -p ~/models
    curl -LsSf https://astral.sh/uv/install.sh | sh
    source "$HOME/.local/bin/env"
    uv tool install "huggingface_hub[cli]"
    hf download KumaPower/DeFLOCNet --local-dir ~/models/DeFLOCNet
    # Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).
    Добавить ещё LoRA к DeFLOCNet
  3. 3. Пользуйтесь

    Модель в папке ~/models. Как её запускать, написано в карточке модели (ссылка выше).

Не забудьте остановить машину в панели, когда закончите: оплата идёт поминутно, пока она включена.

Как ускорить

Подобрано под тип модели. Выберите своё железо в блоке выше — покажем то, что подходит именно вам.

  • SageAttention 3v2.2.0от 28 октября 2025

    ещё быстрее на RTX 50 / Blackwell

    FP4-внимание для Blackwell. Быстрее SageAttention 2, но авторы советуют 2-ю версию, когда важна точность.

    Как включить: Сборка из папки sageattention3_blackwell репозитория; в ComfyUI — через KJNodes.

    Предыдущие поколения (2)
    • SageAttention 2++ — Квантованное (INT8/FP8) внимание без заметной потери качества. Главное ускорение для генерации картинок и видео.
    • SageAttention 1 — Первая версия: INT8 для Q·K. Работает и на старых сборках, но 2++ быстрее и точнее.
  • FlashAttention 44.0.0b40от 18 ноября 2026новая версия

    самое быстрое точное внимание на B200

    Ядра для Blackwell (пока бета). Точное внимание без квантования — подходит для всего, включая LLM.

    Как включить: pip install flash-attn-4; vLLM и SGLang подхватывают сами.

    Предыдущие поколения (3)
    • FlashAttention 3 — Версия для Hopper (H100/H200) с FP8.
    • FlashAttention 2 — Стандарт для RTX 30/40/50 и A100: точное внимание без лишней памяти на длинных контекстах.
    • xFormers — Старый способ ускорить внимание, работает почти везде. Если есть Sage или Flash — они быстрее.
  • cache-dit (DBCache)v1.5.6от 20 ноября 2026новая версия

    1.5–3× при почти том же качестве

    Переиспользует результаты блоков между шагами диффузии. Поддерживает большинство DiT-моделей.

    Как включить: pip install cache-dit; одна строка cache_dit.enable_cache(pipe) для diffusers.

    Предыдущие поколения (2)
    • MagCache — Пропускает шаги по величине изменений. Точнее TeaCache без калибровки.
    • TeaCache — Первый массовый кэш шагов диффузии. Работает, но новые методы точнее.
  • Nunchaku (SVDQuant 4-bit)v1.2.1от 25 января 2026

    ≈3× быстрее и в 3.5× меньше памяти

    4-битные версии популярных моделей картинок почти без потери качества (FP4 на RTX 50).

    Как включить: Есть готовые веса для поддерживаемых моделей; в ComfyUI — ComfyUI-nunchaku.

  • torch.compile2.15.0от 28 октября 2026новая версия

    10–30% бесплатно

    Компилирует модель под вашу видеокарту. Первый запуск дольше, дальше быстрее.

    Как включить: model = torch.compile(model); в ComfyUI — узел TorchCompileModel.

Семья модели

Новые посты про версии DeFLOCNet — сжатые, дообучения, LoRA — появятся в колокольчике.

У этой модели пока нет известных родственников. Все производные на Hugging Face

О модели

KumaPower/DeFLOCNet
Автор
KumaPower
Категория
Изображения
Дата выхода
На сайте

На сайте

Hugging Face

00

Спросить нейросеть об этой модели

Отвечает Gemini 4 · переписка хранится только в этой вкладке

Комментарии