Как сделать одинаковое разрешение фото перед captioning

Короткий ответ. Перед captioning необязательно насильно делать все фотографии квадратными или одинаковыми по пикселям. Важно обеспечить читаемость деталей и согласованную подготовку: исправить поворот, убрать битые файлы, выбрать целевой размер обучения и выяснить, поддерживает ли trainer aspect-ratio buckets. Captioner можно запускать по качественным исходникам, а resize для обучения выполнять отдельно. [Kohya: конфигурация датасета]

Разделите captioning и обучение

Captioner описывает видимое содержание фото. Trainer затем читает изображение и его .txt-подпись, приводит кадр к выбранному разрешению и формирует обучающие батчи. Это два разных этапа. Если заранее плохо обрезать портрет ради одинакового размера, captioner увидит уже обрезанную голову или руки и создаст подпись к испорченному изображению. Поэтому сначала отберите кадры, затем решайте, как их готовить под конкретный trainer. [AI Toolkit: пример конфигурации]

Длинная сторона, пропорции и общий размер — разные параметры. Два изображения могут иметь одинаковое число пикселей по ширине, но разный кадр и качество. Не приводите их к одной форме простым растяжением: лицо и тело исказятся.

Когда подходят buckets

Aspect-ratio buckets группируют изображения по близким пропорциям и уменьшают необходимость грубой квадратной обрезки. В sd-scripts это отдельная настройка enable_bucket; в AI Toolkit пример конфигурации указывает несколько разрешений и автоматическое приведение изображений к ним. Поведение зависит от trainer, поэтому изучите именно его документацию и тестовый просмотр датасета. [Kohya sd-scripts]

Если buckets выключены, trainer может обрезать изображения до одного формата. Тогда решение об обрезке лучше принять вручную: сохраните лицо, нужную позу и значимые элементы одежды. Для полного роста и крупного портрета могут понадобиться разные пропорции.

Для контроля сделайте контактный лист миниатюр после обработки и быстро просмотрите весь набор. Такой обзор помогает заметить отрезанные ноги, разные поля вокруг лица, неожиданно перевёрнутые кадры и несколько снимков с неверным цветовым профилем. Один хороший тестовый кадр не доказывает, что пакетная обработка прошла одинаково для всех файлов.

Практический порядок обработки

1. Удалите дубликаты, размытые, повреждённые и слишком маленькие кадры.
2. Исправьте ориентацию и проверьте цвет: автоматический поворот иногда хранится только в EXIF.
3. Определите целевую базовую модель и рекомендованное разрешение trainer.
4. Проверьте настройку buckets или аналогичный механизм сохранения пропорций.
5. Создайте копию датасета для эксперимента; исходники оставьте нетронутыми.
6. Запустите captioning на нескольких разных кадрах и убедитесь, что подписи описывают реальные детали.

Какие ошибки портят подписи

Если все изображения были растянуты до одного размера, captioner может описывать деформированное лицо и непропорциональные предметы. Если кроп отрезал одежду, а подпись по старой фотографии её упоминает, обучающая пара становится противоречивой. Если файлы переименованы без соответствующего переименования .txt, trainer может не найти подпись. В конфигурациях sd-scripts и AI Toolkit подпись обычно связывается с изображением по имени файла. [AI Toolkit: имена файлов]

Короткие ответы

Нужно ли делать все фото 1024×1024?

Не обязательно. Нужны требования вашей базовой модели и trainer; поддержка buckets позволяет работать с разными пропорциями.

Когда лучше делать captioning: до или после resize?

После отбора и исправления ориентации. Если resize заметно меняет кадр, проверяйте подписи уже по той версии изображения, которая пойдёт в обучение.