Flux LoRA Block Weights Preset Tester - ComfyUI

오른쪽 패널의 “이 버전에 대해”에서 각 버전의 변경 사항을 확인하세요.

블록 분석을 수행하면 결함이 있는 데이터셋으로 학습된 나쁜 LoRA를 완전히 구원할 수 있으며, 심지어 훌륭한 LoRA를 더 좋게 만들 수도 있습니다! 이는 LoRA를 더 유연하게 만들고, 서로 호환되며, 배경, 색상, 품질, 캐릭터 얼굴 등에 비파괴적으로 작동하도록 도와줍니다. 자세한 내용은 다음 링크를 참조하세요: https://civitai.com/articles/8733/post-training-block-weight-analysis-give-flux-loras-a-second-breath

그 이후로 일부 사용자들이 제 가이드가 전혀 실용적이지 않다고 지적해주었습니다. 그들은 맞았습니다. 저는 단지 실험과 오류를 반복해야 한다고 말했을 뿐이었죠. 그래서 좀 더 쉽게 만들기 위해, 주로 저를 위해, 그러나 다른 사람들에게도 도움이 될 것이라 생각해 이 워크플로우를 만들었습니다.

이 워크플로우는 과거에 제 Flux LoRA 중 하나에 어느 정도 효과가 있었던, 제가 발견한 12개의 블록 가중치 사전 설정을 사용하여 귀하의 LoRA 샘플을 생성합니다. 이 사전 설정들은 모두 실험과 오류, 그리고 테스트를 통해 발견되었습니다.

이 사전 설정들은 모두 서로 다르며, 귀하의 개념에 따라 다양한 결과를 도출할 수 있습니다. 그러나 여전히 몇 가지 사전 설정에 특히 주목하고 싶습니다:

7번과 8번, 특히 7번은 색상과 대비와 같은 원본 모델의 영향을 더 잘 유지하며 캐릭터의 자세와 얼굴을 보존하는 데 특히 뛰어납니다. 현재 저는 원본 모델의 파괴를 최소화하려는 목표를 가진다면, 이 사전 설정이 대부분의 경우 최고라고 생각합니다. 다만, 이 설정은 이미지가 “못생기게” 보일 수 있다는 점을 유의해야 합니다. 왜냐하면 대부분의 LoRA는 품질 높은 이미지로 학습되어 사실성을 향상시키는 역할을 하기 때문입니다. 하지만 7번은 이러한 사실성을 제거하여 귀하의 개념에 원본 모델의 품질만을 남길 수 있습니다. 이는 원하는 결과일 수도 있고 아닐 수도 있습니다. 원하는 바에 따라 달라집니다.

5번, 9번, 10번은 훌륭하며 거의 유사합니다. 이들은 귀하의 LoRA 개념에 더 큰 영향을 주지만, 과도하게 처리된 이상한 효과를 보정할 수 있습니다. 저 역시 이 설정들을 좋아합니다.

3번, 4번, 6번은 전체 LoRA의 품질을 가장 잘 유지하는 설정들입니다. 꼭 확인해보시기 바랍니다.

11번과 12번은 비교적 새로운 설정이며, 아직 충분히 테스트하지 않았습니다.

사용법은 꽤 간단합니다. 최종적으로 모든 결과를 시각화한 그래프를 제공합니다. 또한 실행 속도를 높이기 위해 테스트하고 싶은 사전 설정을 선택할 수 있습니다. 의문점이 있다면 언제든지 댓글을 남겨주세요.

분석 후 원하는 블록 가중치로 LoRA를 다시 결합하려면 다음 도구를 사용할 수 있습니다: https://github.com/diodiogod/Flux-Block-Weight-Remerger