Stripping / Undressing Sequence

创建一个角色逐渐脱去衣物的序列。虽然这并非专注于专业的脱衣艺术，但我确保模型在杆子和姿势方面得到了充分训练。

基本上，这个LoRA实现两个功能：

1. 在不同姿势中保持主体外观一致。发色、眼色等标签将适用于该主体的所有图像，衣物也应保持一致性。

2. 针对其他标签，如穿着的衣物、表情、姿势等，在不同视角下进行变化。你无法精确控制其变化位置，但由于训练，模型能相当准确地进行推断。

强度越高，这些效果越明显，但会牺牲图像质量。我偏好在0.8强度下的效果；高于此值时质量下降更明显，低于此值时一致性不足则会变得显著。

V4 更新！

替换了大量训练图像，以获得更清晰的效果。

提示

• 由于扩散过程的随机性，某些种子可能永远无法生成逻辑连贯的序列。如果你已接近想要的效果但需要修正细节，图像到图像的变异可能有所帮助。

• 对于有效的种子，LoRA强度主要影响面部、衣物、发色等之间的一致性。强度越高，一致性越好，但通常会降低图像质量。

• 更多采样步数似乎也能略微提升序列的一致性（至少在Euler A采样器下如此）。似乎采用更多步数（如30-40步）并配合较低强度，是提升图像质量的一种途径。然而，强度的影响远大于步数，因此更高效的做法可能是用0.8强度、一半步数尝试两个种子。

• 如果你得到一张满意图像，可以尝试保持种子和提示不变，降低LoRA强度，观察效果。“低强度+多步数”的技巧更适合用于微调单张图像，而非大量尝试种子。