- pub
Instagram 版 Flux AI：业余摄影 Lora 评测
引言：文字和手部的问题
大家发现用 Flux AI 生成图像时，文字和手的表现有不少问题。这些问题经常会破坏原本很棒的照片效果。
解决方案：新的训练方法
为了解决这些问题，最新版本的工具做了一些改进。具体来说，就是把文字和手的变体添加进训练数据，使用更高级的提示词结合 Flux AI 也取得了不错的效果。
资源链接
步骤和有效性
步骤 1：用新数据进行训练
- 图像和学习率： 用 210 张图像训练，学习率设得很低，只有 0.00001，用的是 AdamW8Bit 优化器。
- 训练时长： 训练持续了 9000 步，确保模型有足够的时间学习细节。
- 提示词中的色板： 在提示词中加入颜色搭配，来打破 AI 图像的常规风格。
步骤 2：分辨率调整
- 推荐分辨率： 确保生成图像时使用 896x1152。这种分辨率通常效果不错，并且文件大小也比较合适。
- 高分辨率修复： 如果之前的高分辨率要求遇到麻烦，新模型减少了使用超高分辨率的必要。可以用 'hires fix' 设置来获得更好的效果。
步骤 3：提示词优化技巧
- 动态提示词： 使用同义词集合，避免生成内容时的重复。
- 用 GPT-4 进行高级提示： 利用 GPT-4 这种工具，帮助优化和扩展现有的提示词。可以尝试生成多个角色的互动或复杂的构图。
优化方法
为了优化输出效果：
- 动态提示词： 使用包含多个同义词集合的提示词，探索出不同的结果，提升多样性。
- 步数实验： 尝试不同的步数，比如 20、30 或 40 步，查找最佳图像质量的最佳步数。
- 避免放大： 放大会平滑细节，最好直接生成高分辨率图像。
理论知识：
- 学习率影响： 低学习率（如 0.00001）能让调整非常渐进，捕捉细节更准确。
- 优化器选择： AdamW8Bit 优化器能有效处理稀疏梯度和学习复杂模式。
- 图像分辨率： 直接生成原生高分辨率的图像质量通常比放大要好，后者可能会引入伪影和模糊。
适用场景
这个模型特别适合：
- 写实摄影： 制作栩栩如生的照片，细节准确。
- Instagram 风格图像： 很适合社交媒体，需要吸引眼球的视觉效果。
- 复杂构图： 需要多个元素或者角色之间复杂互动的场景。
限制和缺点
- 手和文字： 这些元素依然不完美，可能会变形。
- 皮肤质感： 如果处理不好，有些图像可能会显得过于光滑或蜡感。
- 高分辨率的缺点： 虽然高分辨率可以减少背景模糊，但也可能引入新的问题，比如平滑细节。
常见问题
1. 生成图像的最佳分辨率是多少？
推荐 896x1152，不过可以试试更高的分辨率，以获取更详细的效果。
2. 如何解决光滑皮肤的问题？
换用像 DDIM_uniform 这样的采样器，并且步数设得高一点（28+）会更真实。
3. 这个工具可以用于商业用途吗？
可以，但你需要查看 Flux AI 和 Civitai 网站上的许可条款。
4. 为什么有些图像仍然有背景模糊问题？
背景模糊可以通过仔细训练和调整提示词来减小，尽量避免放大处理。
5. 如何准确生成包含文字的图像？
在训练数据中加入多样化和具体的文字实例，可以提高准确度。
6. 有没有特别的设置可以避免“塑料”效果？
使用调教得当的提示词、适合的采样器，并避免过度平滑的技术，能让效果更自然。
额外问题
如何将这个模型与其他工具结合？
你可以把这个模型和其他 Flux AI 工具或像 Hedra 这样的面部动画工具结合，达到不同的效果。
自己训练模型有哪些最佳实践？
使用多样化的数据集、加入手和文字的多样变体，实验不同的提示词和分辨率。
你如何处理生成失败的情况？
识别失败模式，调整提示词或训练数据，多次测试提升结果。
有可以提供支持的社区资源或论坛吗？
有啊，像 Reddit 或 Discord 上有相关的 Flux AI 社群，可以提供帮助和分享经验。
这个版本和其他版本比起来怎么样？
这个版本重点解决了高分辨率生成的问题，优化了色板的使用，增加了更多样化的训练数据，使整体质量更好。
这可以用于 3D 渲染或动画吗？
虽然主要专注于写实效果，但这些技术可以扩展到 3D 渲染，只需额外训练和工具整合。