Представлен FedorAiToolkit — специализированный форк ai-toolkit, использующий метод DRaFT-K для обучения моделей LoRA и LoKr на базе Krea 2. Инструмент позволяет добиться беспрецедентной точности при создании персонажей, фиксируя не только черты лица, но и уникальные анатомические пропорции тела.
Что произошло
Разработчики представили FedorAiToolkit, который реализует двухэтапный процесс обучения. После стандартного этапа SFT-обучения следует этап оптимизации с использованием дифференцируемых наград (differentiable rewards) за сходство лица через ArcFace и за геометрию тела через SAM 3D Body. На видеокарте уровня RTX 5090 полный цикл обучения занимает около 60 минут.
Контекст
Традиционные методы обучения LoRA часто фокусируются на текстурном и пиксельном сходстве, что приводит к потере анатомической консистентности при генерации персонажей в полный рост. Метод DRaFT-K переносит фокус на семантическую оптимизацию, используя высокоуровневые признаки (идентичность и геометрию) в качестве целевых показателей.
Почему это важно для индустрии
Внедрение дифференцируемых наград позволяет индустрии перейти от простого подражания пикселям к оптимизации на основе семантических признаков. Это открывает путь к стандартизации создания высококонсистентных цифровых двойников (digital humans) и интеграции таких методов в облачные API для автоматического контроля геометрии и идентичности.
Почему это важно для пользователей
Для создателей контента и исследователей это означает возможность генерировать стабильных персонажей, которые сохраняют свое телосложение и пропорции во всех ракурсах. Инструмент делает глубокую персонализацию доступной для индивидуальных авторов, обеспечивая профессиональный уровень качества в рамках экосистемы Krea 2.
Что пока неизвестно / ограничения
Текущая реализация может быть недостаточно применима в корпоративной среде из-за отсутствия встроенных механизмов контроля и управления данными, что делает её ориентированной скорее на индивидуальных исследователей и соло-создателей.
Источники
Автор
Look at AI, редакция