Как выбрать разрешение фото для обучения LoRA

Короткий ответ. Разрешение фото для LoRA выбирают под базовую модель и возможности тренера, а не по правилу «все исходники строго квадратные». Нужны достаточно чёткие изображения, согласованный целевой размер обучения и корректная обработка разных соотношений сторон. Если тренер поддерживает aspect-ratio buckets, вертикальные и горизонтальные фото можно сохранять в подходящих пропорциях. При этом детали лица не должны исчезать после уменьшения. Параметры buckets описаны в документации Kohya sd-scripts.

Разделите исходный файл и размер обучения

Исходное фото может быть большим, но тренер всё равно преобразует его к рабочему размеру. Сначала сохраните качественный оригинал отдельно. Для датасета удалите размытые, сильно сжатые и случайные дубли, исправьте поворот и проверьте кадрирование. Затем задайте целевое разрешение, которое поддерживают база, скрипт и видеопамять. Не увеличивайте маленькое лицо до огромной картинки в надежде получить новые детали: апскейл не восстановит информацию, которой не было.

У разных семейств моделей рекомендованные размеры отличаются. Не переносите числа из урока по одной архитектуре на другую без проверки документации тренера. Размер влияет на VRAM, время шага и то, какие детали видит модель. Слишком крупный размер может привести к out-of-memory, а слишком маленький — скрыть важные черты. Начните с рабочего примера для конкретной базы и изменяйте один параметр за раз.

Зачем нужны buckets

Aspect-ratio buckets группируют снимки похожих пропорций и уменьшают необходимость одинаково обрезать все кадры. Для портретной LoRA это особенно полезно, когда в датасете есть крупные планы, полурост и полный рост. Жёсткий квадратный кроп может отрезать волосы, руки или одежду, а также сместить лицо к краю. Но buckets не спасают плохой исходник: если персонаж занимает десять процентов кадра, его черты всё равно будут слабо различимы. Поддержка и параметры buckets зависят от тренера; у sd-scripts они задаются в конфигурации датасета.

Сделайте небольшую визуальную проверку подготовленных кадров перед обучением. Многие тренеры умеют показывать или логировать результат обработки датасета. Важно увидеть, что после resize лицо остаётся читаемым, подпись соответствует изображению, а кроп не меняет смысл сцены. Если предобработка обрезала половину снимков неудачно, продолжать обучение бессмысленно.

Практический порядок выбора

1. Определите базовую модель и её типовой размер входа по документации конкретного тренера.
2. Проверьте распределение исходников: портрет, пейзаж, квадрат, крупный план.
3. Уберите кадры, где объект слишком мал, лицо нерезкое или есть сильное сжатие.
4. Если доступны buckets, включите их и проверьте фактические размеры и кропы на выборке.
5. Сделайте короткий пробный запуск, проверьте расход VRAM и один контрольный checkpoint.
6. Только после этого масштабируйте датасет и длительность обучения.

Не смешивайте в одной папке исходники, уже изменённые кропы и дубли после апскейла: модель может многократно видеть один и тот же кадр. Храните оригиналы отдельно и записывайте, какой вариант попал в обучение. При смене разрешения повторите проверку captions: автоматические подписи могли описать мелкий предмет, который после кропа исчез.

Что делать с очень разными фото

Различие по пропорциям само по себе нормально, если тренер умеет корректно их обрабатывать. Сложнее, когда часть кадров — высококачественные портреты, а часть — маленькие скриншоты. Последние могут внести шум и ухудшить узнаваемость. Для персонажа полезнее небольшая чистая выборка с разными ракурсами, чем большая папка со случайным качеством. Сравнивайте тестовые изображения на одинаковых prompt и смотрите, появляются ли артефакты из низкокачественных исходников.

Если вы готовите фото только для captioning, необязательно заранее привести каждый файл к размеру обучения. Сначала получите и проверьте описания по качественным исходникам; resize можно выполнить отдельным этапом. Об этом есть отдельный материал про подготовку фото перед captioning.

Частые вопросы

Нужны ли строго одинаковые пиксели у всех файлов?

Не всегда. Это зависит от тренера и поддержки buckets. Важнее проверить, как файлы фактически преобразуются во время обучения.

Стоит ли увеличить все фото до максимума?

Нет. Вырастут расходы памяти и времени, а слабый исходник не приобретёт настоящих деталей. Ориентируйтесь на модель, тренер и качество датасета.