Budżet: 2000 USD Termin: 25 dni
Gotowy do opracowania modelu do generowania portretów na podstawie 8-10 zdjęć użytkownika. Wykorzystam Stable Diffusion + LoRA, aby przyspieszyć adaptację modelu i wspierać różne style (klasyczny portret, styl korporacyjny, street photography itp.). Aby poprawić jakość, zastosuję Real-ESRGAN lub CodeFormer. Do rozpoznawania twarzy użyję Mediapipe lub InsightFace, aby określić uśmiech, otwartość oczu i inne parametry.
Szkolenie modelu będzie zoptymalizowane, ale prędkość zależy od mocy GPU. Jaki dokładnie GPU planowane jest do szkolenia? Jeśli to średni poziom, to LoRA znacznie przyspieszy proces, ale i tak trzeba doprecyzować, jakie są ograniczenia czasowe i zasobowe.
Opracowanie będzie prowadzone na PyTorch z możliwością konteneryzacji przez Docker dla uproszczonego wdrożenia. Zaproponuję efektywny pipeline, ale dla dokładnej oceny potrzebne są dodatkowe szczegóły: jaki format zdjęć będzie używany, czy potrzebne jest pełne wsparcie wszystkich stylów od razu, i jak ważna jest kontrola nad procesem szkolenia?