UndoMask_lora

※이 LoRA는 초기 실험적 작업이므로 다른 방법보다 우수하지 않을 수 있습니다.

재구성 품질은 그리 높지 않습니다. 이는 가능한 범위를 시연하기 위한 실험으로 간주해 주세요. 다른 모델을 사용한 인페인팅이 더 높은 정확도를 달성할 가능성이 큽니다.

■ Kontext를 처음 사용하신다면, 아래 URL의 지침에 따라 설치해 보세요.

설명이 잘 되어 있고 설정이 간단합니다.

https://docs.comfy.org/tutorials/flux/flux-1-kontext-dev

■ 이 모델은 마스크 영역을 인공적으로 재구성합니다.

Kontext는 이미 이러한 마스크를 감지하고 복원하는 기능을 가지고 있지만, 항상 완벽하게 작동하지 않을 수 있으므로 이 LoRA는 이를 보완하기 위해 개발되었습니다.

이 LoRA는 샘플 이미지에 있는 모자이크, 채움 영역, 선과 같은 요소들의 감지를 향상시킵니다.

저작권이 있는 콘텐츠를 사용할 수 없으므로, 샘플로 AI가 생성한 과일 이미지를 사용했습니다.

샘플 이미지는 명확한 마스크와 주변 맥락으로 인해 감지 및 재구성이 쉬우나, 실제 마스크edImage는 훨씬 더 복잡하고 처리하기 어려운 경우가 많습니다.

■ 아래 프롬프트는 높은 마스크 감지 성능을 보이며 좋은 출발점이 될 수 있습니다.
이 프롬프트는 LoRA 학습 시 캡션으로도 사용되었습니다.

이미지의 모든 형태의 검열 — 모자이크, 흐림, 흑백 선 검열, 픽셀화, 채워진 영역, 신원 검열 — 을 감지하고, 검열된 영역을 정확히 복원하세요. 논리적 구조와 시각적 맥락을 기반으로 원래 언검열된 콘텐츠의 신뢰성 있는 재구성을 우선시하세요. 복원된 영역이 언검열된 버전의 의도된 질감, 형태 및 세부 정보를 유지하도록 하세요.

■ 이 LoRA는 그대로 사용해도 잘 작동하지만, 원하는 결과에 맞게 프롬프트를 조정해 보세요.
그러나 프롬프트 조정만으로는 감지 및 재구성 품질을 크게 향상시키는 데 한계가 있습니다.

■ 재구성 품질은 항상 높다고 보장되지 않습니다.

선과 같은 얇은 마스크는 주변 맥락을 이용해 유추하기 쉬우나, 완전히 덮인 영역은 세부 정보나 질감 단서가 부족해 제대로 재구성되지 못할 수 있습니다.

■ 마스크 영역이 너무 많으면 모델이 무엇을 복원해야 할지 인식하지 못할 수 있습니다.

이러한 경우, 이미지를 분할하고 마스크 영역을 단순화하면 결과를 개선하는 데 도움이 됩니다.

복원하고자 하는 부분 주변의 영역만 자르는 것을 시도해 보세요.

사전에 색상 보정을 적용하면 감지 성능을 향상시킬 수 있습니다.

예를 들어, 스캔된 이미지는 색이 바래거나 대비가 낮을 수 있으므로 대비 조정이 효과적입니다.

검은 회색이나 불명확한 톤으로 채워진 마스크는 대비를 조정해 순수한 검정으로 만들면 더 쉽게 감지될 수 있습니다.

인쇄 점이 보이면 감지에 방해가 될 수 있습니다. 경우에 따라 더 명확한 결과를 얻기 위해 직접 깨끗한 검정 마스크 선을 다시 그리는 것이 나을 수도 있습니다.

■ 또한 이 LoRA는 초기 실험 단계이므로 일반적인 형태는 복원할 수 있으나, 사실적인 질감이나 미세한 세부 사항에는 어려움을 겪습니다.

낮은 품질의 결과에 대해 사과드립니다. 이 모델의 한계를 이해해 주세요.

보다 나은 결과를 얻기 위해, 다른 모델을 사용하여 인페인팅 또는 0.25~0.5의 denoise i2i를 적용하는 것이 더 효과적일 수 있습니다.

SD1.5는 가볍고 고해상도에서도 우수한 성능을 발휘하므로 i2i 작업에 적합합니다.

이 모델은 훌륭한 리파이너로 작동하며, 때로는 예상보다 놀라운 결과를 만들어낼 수 있습니다.

VRAM이 충분하다면, SDXL도 고려할 만한 좋은 옵션입니다.

■ 이 LoRA는 AI Toolkit을 사용해 학습했습니다.

학습에 관심이 있다면, 개발자가 아래 URL에 튜토리얼을 제공했습니다. 시도해 보세요!

예상보다 훨씬 간단하다는 것을 알게 될 것입니다.

데이터셋 세부 정보:

튜토리얼에 따라, 50장의 이미지를 사용하여 LoRA를 학습했습니다.

■ 이 50장의 언마스크 이미지는 최종 편집 결과를 나타내며, 타겟 이미지로 사용되었습니다.

■ 이미지 편집기를 사용해 마스크될 가능성이 높은 영역에 다양한 유형의 마스크를 수동으로 추가하고, 이를 컨트롤 이미지로 사용했습니다.

대부분 애니메이션 스타일이지만 일부 실제 사진도 포함되어 있습니다.

다양성을 높이기 위해 여러 시나리오를 준비했습니다.