Концепция / Concept

Это не просто стилевая LoRA. Это попытка научить модель помнить конкретные картины по имени и номеру.

Каждое изображение в датасете получило уникальный индекс и название полотна прямо в кепшен-файле:

AivazovskyR1024, 001 In the roads Evening

AivazovskyR1024, 002 Seascape

AivazovskyR1024, 003 Crimean View

AivazovskyR1024, 004 Ninth Wave

AivazovskyR1024, 005 The seashore at night Near the lighthouse

AivazovskyR1024, 006 Moonlit Night on Capri

AivazovskyR1024, 007 Shipwreck

AivazovskyR1024, 008 The naval battle of Reval on May 2

AivazovskyR1024, 009 Morning at sea

AivazovskyR1024, 010 The sea before the storm

Идея: вставляешь триггер + номер + название и модель тянется к конкретному полотну. Не просто «стиль Айвазовского» а конкретная картина.

Честно о результатах

Что уже работает отлично:

• ✅ Стиль Айвазовского схвачен глубоко. Свет на воде, драматическое небо, пенные волны, тональность живописи всё узнаваемо.

• ✅ Индексирование наблюдается. Модель реагирует на номер и название, удерживает общую композицию оригинала.

Что ещё в процессе:

• ⚠️ Детали модель рисует свои интерпретирует, а не копирует. На 100 шагах это норма.

• ⚠️ Точное воспроизведение конкретного полотна ожидается на 200+ шагах.

Это Part I. Публикую честно чтобы сообщество видело прогресс в реальном времени. Part II с дообучением выйдет следующим.

Как использовать

Триггерное слово:

AivazovskyR1024

Ключевые слова для конкретных полотен:

Добавляй в промпт номер и название из списка выше.

ХочешьДобавь в промптДевятый вал004 Ninth WaveУтро на море009 Morning at seaКораблекрушение007 ShipwreckЛунная ночь на Капри006 Moonlit Night on CapriМорской пейзаж002 Seascape

Пример промпта (использован для превью):

AivazovskyR1024, 009 Morning at sea. A professional studio close-up 
photo shoot of the painting. Dramatic lighting, black HDR background, 
sharp focus, high contrast, professional photo reproduction in a carved 
wooden frame with gilding.

Рекомендованные параметры:

Model:    Flux2-dev
Weight:   0.8 – 1.0
Steps:    25 – 35
CFG:      3.5 – 4.5
Sampler:  Euler / DPM++ 2M

Технические детали

ПараметрЗначениеBase modelFlux2-devRank1024Alpha1024Training steps100Dataset10 paintings by AivazovskyTraining engineViking Engine (Orakul Studio)Trainable parameters 6,241,124,352

Обучено на 6.24 миллиарда параметров на одной RTX 4090 благодаря ai-toolkit-Ostris-bonememory нашему переписанному движку памяти PyTorch. Стандартный ai-toolkit на этом ранге даёт OOM.

Почему rank 1024?

Потому что высокий ранг = больше обучаемых параметров = глубже запоминание деталей конкретных полотен. Это эксперимент в котором LoRA перестаёт быть просто стилем и становится памятью о конкретных произведениях.

На 100 шагах это уже видно. На 200 будет ещё чище.

Что дальше

• Part II 200 шагов, проверка точного воспроизведения по индексу

• Part III расширенный датасет (50+ полотен)

• Возможно другие художники по той же методике

Написано в Чернигове. Под обстрелами. Система стабильна. 🦊

Orakul Studio · Chernihiv, Ukraine 🇺🇦 · 2026