Original size 1140x1600

SDXL и бесшовность

PROTECT STATUS: not protected

Концепция

В данном исследовании я попытался выяснить, насколько эффективно генеративное ИИ в генерации seamless (бесшовных) текстур. Такие текстуры используются в разработке игр и 3D графике, поэтому мне такая модель была бы полезна. Однако Генеративный ИИ известен своими нарушениями консистентности при работе с графикой, поэтому мне понадобилось это для начала проверить, самому.

Инструменты и Исходники

Для создании своей модели, seamlesstexture, я воспользовался кодом из Google Colab, а также изображениями текстур 1024 на 1024 пикселя, взятых с сайта polyhaven.com. Все изображения на сайте распространяются под лицензией CC0. Ниже пять примеров текстур, которые я использовал для обучения модели:

big
Original size 1280x256

Всего для обучения использовалось 25 подобных изображений, а также повышенное кол-во степеней обучения (--max_train_steps=1000) для повышенной точности результата. Для создания текстовых описаний (подписей) к обучающим изображениям использовалась модель BLIP (Salesforce/blip-image-captioning-base), что позволило автоматизировать подготовку датасета.

Результаты работы

После обучения модели, и генерации с ней несколько картинок, результаты были на удивление точными… если в них не вглядываться. Хотя и было видно, что основы бесшовности модель понимает, ей явно не хватает сил сделать это правильно — на углах видно, как паттерны практически сходятся, но отличаются цветом, яркостью, и иногда даже формой.

big
Original size 1536x1024

Выше можно видеть результаты генерации. Как я и сказал, модель хоть и четко запомнила паттерны самих текстур, их шумность и качество, но просто не поняла бесшовность.

Original size 1024x1024

Возможно, для обучения бесшовности требуется больше данных (например 50–200 изображений, а у меня было 25). Текстуры с сайта polyhaven.com уже оптимизированы для тайлинга, но модель могла не уловить этот аспект, фокусируясь на визуальном содержании, а не на математической повторяемости. Это потому что модель SDXL изначально не оптимизирована для создания тайловых текстур, т. е. она «думает» в категориях целостных изображений, а не повторяющихся паттернов.

Вывод

Результаты попытки обучения модели для генерации бесшовных текстур на основе 25 изображений с сайта polyhaven.com показали, что модель успешно усвоила визуальные паттерны, цветовые схемы и общую эстетику текстур, однако не смогла обеспечить идеальную бесшовность. На стыках изображений наблюдаются различия в цвете, яркости и форме элементов. Вероятно, для достижения качественного тайлинга требуется большее количество обучающих данных и, возможно, специализированная архитектура или дополнительные техники обучения. Тем не менее, эксперимент подтвердил, что даже с ограниченным датасетом SDXL способен генерировать визуально убедительные текстуры, близкие по стилю к исходным.

Ссылки

SDXL и бесшовность
Project created at 24.03.2026
adcr.dafes
The Art Directors Club of Russia sets the benchmark for creative excellence in design and advertising, serving as a central hub where industry professionals connect. Since 2004, the Club has hosted the ADCR Awards—a premier national competition celebrating creativity, design, and advertising. The core mission of the awards is to champion agencies and independent creators making their mark in the local market. By presenting this honor on behalf of the professional community, the Club reaffirms its endur... Show more
adcr advertising
adcr design
adcr students and young creators