Розробка програмного застосунку генерації зображень засобами моделі LoRA та Stable Diffusion мережі

Abstract

UA : Робота викладена на 55 сторінках друкованого тексту, містить 21 рисунок, 10 джерел, 1 додаток. Об’єкт дослідження – полягають у вивченні сучасних методів тренування моделей LoRA (Low-Rank Adaptation) для системи Stable Diffusion, а також у розробці ефективної методики для покращення якості генеративних моделей зображень. Основна увага приділяється адаптації великих мовних моделей до задач генерації високоякісних зображень з використанням обмежених обчислювальних ресурсів. Мета роботи: розглянути проблему оптимізації процесу навчання моделей LoRA для Stable Diffusion та підходи до зниження обчислювальної складності без втрати якості результатів. Як результат, була розроблена та навчена оптимальна модель, що забезпечує високу якість генерації зображень, зберігаючи при цьому ефективність використання обчислювальних ресурсів. Метод дослідження – використання методiв LoRA для адаптації великих мовних моделей до нових завдань з мінімальними витратами.

EN : The work is presented on 55 pages of printed text, 21 figures, 10 references, 1 supplement. Research object – focuses on studying modern methods of training LoRA (Low-Rank Adaptation) models for the Stable Diffusion system, as well as developing an effective methodology to improve the quality of generative image models. The main focus is on adapting large language models for high-quality image generation tasks using limited computational resources. Purpose of the work: to examine the problem of optimizing the training process of LoRA models for Stable Diffusion and approaches to reducing computational complexity without losing result quality. As a result, an optimal model was developed and trained that provides high-quality image generation while maintaining efficient use of computational resources. Research method – using LoRA methods to adapt large language models to new tasks with minimal resource consumption.