Всем привет 👋 Сегодня на повестке один из самых часто задаваемых вопросов - какое разрешение и для каких моделей лучше использовать при генерациях картинок, и почему?

Наверное вы уже слышали, что модели для генерации изображений, например модели Stable Diffusion работают лучше всего с определёнными разрешениями и неправильный выбор может привести к артефактам, искажениям или ошибкам. Давайте разбираться)

1. STABLE DIFFUSION 1.5 - одна из самых популярных моделей для генерации изображений. Для этой модели рекомендуются следующие разрешения:

512×512, 512×768, 768×512 (но не больше 1024×1024). Почему?

- Обучалась на изображениях 512×512, из-за чего эти модели больше всех имеют проблемы с глазами и пальцами. 

- При больших размерах появляются дублирующиеся объекты, повторяющиеся части тел или растягивающиеся конечности, что в последствии успешно фиксилось расширением Kohya HRFix.

- Делимость на 64, важна для архитектуры UNet.

Итак, здесь все просто, примеры рабочих разрешений:

✅ 512×512 (1:1)

✅ 512×768 (2:3)

✅ 768×512 (3:2)

❌ 256×256

❌ 600×600 (не делится на 64)

❌ 1024×1024 (может давать артефакты)

Как влияет?

- Слишком маленькое (256×256) - потеря деталей.

- Слишком большое (1024×1024+) - задвоение предметов, растяжение конечностей. Что бы вы понимали почему так происходит - механизм внимания модели рассчитывается в соответствии с размерами изображения на котором ее обучали, поэтому при большем размере она пытается заполнить пустое пространство создавая копии объекта.

Но даже если размер не делится например на 64 - это не значит, что картинка не будет генерироваться, возможно при использовании некоторых расширений интерфейс скорее всего будет выдавать ошибку.

Оптимальное разрешение: 1024×1024, 768×1024, 1024×768.Почему?

- Обучалась на 1024×1024, но поддерживает прямоугольные форматы.

- Делимость на 128 (лучше всего). 

Максимальные рекомендуемые размеры при генерации - 1.5–2 МП (иначе возможны ошибки, артефакты и пр.). Однако даже при увеличении разрешения до 2048 по большей стороне во зможны искажения анатомии и деформация предметов, что так же успешно фиксится -  Kohya HRFix.

Тут надо уточнить что имеются ввиду генерации без апскейла. При апскейле или использовании Hires. fix (не путать с Kohya HRFix) с размером например - 768×1024 и увеличением в 3 / 4  раза - искажений не будет. Возможны конечно задвоения с апскейлом в img2img при высоком Denoising strength, но это другая история.

Примеры рабочих разрешений:

✅ 1024×1024 (1:1)

✅ 768×1024 (3:4)

✅ 1024×768 (4:3)

✅ 768×1152 (2:3)

✅ 768×1280 (9:16)

✅ 1152×768 (3:2)

✅ 1280×768 (16:9)

✅ 1536×640 (21:9)

❌ 1080×1080 (превышает 1.5 МП)

❌ 512×512 (слишком мало для SDXL)
❌ 1600×900 (не всегда, но могут появляться артефакты)

Конечно, можно использовать и другие размеры, главное что бы меньшая из сторон не превышала 1.5 МП, а большая 2 МП (2048)

Как влияет?

- Идеальное разрешение под 1024px - максимальная детализация.

- Прямоугольные (768×1024) - лучше для портретов/пейзажей.

- Свыше 2048px возможны фризы и зависания, а так же задвоения предметов.

- Слишком маленькое разрешение 512×512 или 512×768 приведет к замыливанию и дефектам.  

3. FLUX 1. DEV / SCHNELL (особые требования). Модель Flux была разработана немецкой компанией Black Forest Labs (BFL), основанной в 2024 году бывшими сотрудниками Stability AI. Семейство моделей FLUX на сегодняшний день включает в себя - Flux.1 и FLUX Kontext, которые делятся на варианты Schnell (только Flux.1) , Dev, Pro и Ultra, из которых нам пока доступны только Schnell и Dev. 

Для оптимальной работы моделей Flux рекомендуется использовать - не больше 1.6 МП, иначе возможны артефакты в виде полос и сеточек. Некоторые расширения (Flux Tools например) могут выдавать ошибку - "mat1 and mat2 shapes cannot be multiplied", если разрешение картинки не делиться на 64.

✅ 896x1152 (8:10)

✅ 1024x1024 (1:1)

✅ 1024x1280 (4:5)

✅ 1280x960 (4:3)

✅ 1536x1024 (3:2)

✅ 1600x896 (25:14)

✅ 1664×1216 (4:3)

✅ 1920x1024 (5:3)
✅ 2176×960 (21:9)

❌ 256x256 (1:1)

❌ 512x512 (1:1)

❌ 512x768 (2:3) 

Однако в отличии от предыдущих моделей, Flux может поддерживать более широкий диапазон разрешений от 0.2 до 1.6 мегапикселей и демонстрировать хорошие результаты с размерами близкими к рекомендуемым, например:

✅ 674x1462 (9:19.5) - типичное соотношение для экранов смартфонов, таких как iPhone;

✅ 768x1360 (3:5) - формат, используемый для соц.сетей и мобильных устройств;

✅ 1080x1920 (9:16) - распространенное соотношение сторон для смартфонов и обоев.

Но при этом изображения с разрешением 512 x 512 в целом получаются менее детализированными, даже с учётом меньшего количества пикселей.

FLUX.1 DEV KONTEXT - по умолчанию создает изображения размером 1024x1024 пикселя. Это стандартное разрешение обеспечивает высокое качество при оптимальной скорости генерации. Рекомендуется использовать разрешения до 1 мегапикселя.

Поддерживаемый диапазон соотношений:

От 3:7 (портретная ориентация) пример - 640x1472

До 7:3 (альбомная ориентация) пример - 1408x608

Популярные соотношения сторон:

✅ 1024x1024 (1:1)

✅ 1152x640 (16:9)

✅ 1152x640 (9:16)

✅ 896x1152 (3:4)

✅ 1152x896 (4:3)

❗❗ Важные ограничения:

- Рекомендованный размер всех выходных изображений должен иметь общее разрешение около 1 мегапикселя.

- Входные изображения: поддерживаются изображения размером до 20 МБ или 20 мегапикселей для редактирования.

- Качество исходного изображения: для файнтюнинга (обучения моделей) рекомендуется использовать изображения высокого качества, но их размер не должен превышать 1 Мп.

Эта информация основана на документации  из официальных источников - Stability AI, а так же компании BFL (Black Forest Labs) по моделям FLUX.1 DEV, FLUX Kontext и другим моделям FLUX, которая содержится в руководствах по созданию и редактированию изображениям:

Всем спасибо за прочтение, надеюсь эта информация  будет для вас полезной, вопросы как всегда пишите в комментариях 👇 Всем хорошего дня и удачных генераций ✌😉
ЗЫ: Чуть не забыл, у меня теперь в Вк есть канал, теперь все новости пишу там, подписывайтесь)