Stable Diffusion 실습 코드입니다. 콘크리트 손상 사진을 소재로, 확산 모델의 원리부터 LoRA 파인튜닝과 ControlNet 조건부 생성까지 다룹니다. 실습은 01T2I → 02CtrlGen → 03Inpaint 순서입니다. 스크립트는 각자의 폴더 안에서 실행하며, 결과 그림은 그 폴더의./outputs/ 에 저장됩니다. 01·02는 공개 이미지와 공개 ControlNet으로 원리만 보고, 03·04에서 DatasetDmg로 직접 학습하고 비교합니다. 자세한 내용은 02CtrlGen/README.md를 보세요. 자세한 내용은 03Inpaint/README.md를 보세요. 실제로 촬영한 사진입니다. DatasetDmg(ControlNet 생성물)와는 출처가 다릅니다. 전부 1024px 원본 그대로입니다. 01T2I의 LoRA 학습은 불러올 때 512로 줄여 쓰고, 02CtrlGen은 1024를 그대로 씁니다 — ControlNet 가중치가 1024로 학습돼서 세 폴더는 파일명이 1:1로 짝을 이룹니다 (000000271image →.png /.png /.txt). 100장 중 2장은 마스크가 전부 검정입니다. 캡션도 "no visible damage"이므로 정상이며, CUDA GPU가 필요합니다. Colab에서는 이 폴더를 통째로 MyDrive/KomapperSDFTPracticeCode 에 올린 뒤, 각 스크립트
Independent publisher
Seungbo Shim
phylun
Models in Library1
Datasets in Library0
Models on Hugging Face6
Followers—
Compare the published evidence
This profile connects the 1 model and dataset record shown below to their upstream cards and sources. The library counts describe SAVRN's coverage, rather than this publisher's entire output.
Reported licenses: mit. Open a record to review its specific license and conditions.
Compare model specifications, source dates, and hardware estimates on the individual records. Publisher identity verification is separate from a model's quality, deployment readiness, or suitability for your work.