UndoMask_lora

※此LoRA为早期实验性作品，因此不一定优于其他方法。

重建质量并不高，请将其视为展示可能性的实验。使用其他模型进行修复可能会获得更高的准确性。

■如果您是Kontext的新用户，请尝试按照以下网址中的说明进行安装。

它文档详尽，设置简单。

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

■它会人为地重建被遮罩的区域。

Kontext已具备检测和修复此类遮罩的功能，但由于其并非总能完美工作，因此开发此LoRA以辅助该功能。

它能提升对马赛克、填充区域以及类似样本图像中线条的检测能力。

由于无法使用受版权保护的材料，我使用了AI生成的水果图像作为样本。

样本图像因遮罩清晰且周围上下文明确，易于检测和重建，但真实的遮罩图像通常更为复杂，更难处理。

■以下提示具有较高的遮罩检测能力，可作为良好起点，同时也用于LoRA训练时的标注：

检测图像中所有形式的审查内容——包括马赛克、模糊、黑白条遮挡、像素化、填充区域和身份遮挡——并准确还原被遮盖区域。优先基于逻辑结构与视觉上下文忠实重建原始未审查内容。确保恢复区域保留未审查版本应有的纹理、形状和细节。

■该LoRA本身已表现良好，但建议调整提示以更契合您的期望结果。
然而，仅靠提示调优对提升检测与重建质量的效果有限。

■重建质量无法保证较高。

细线状遮罩较容易通过周围上下文推断，但完全被覆盖的区域可能因缺乏细节或纹理线索而无法正确重建。

■如果遮罩区域过多，模型可能无法识别应恢复的内容。

此时，可尝试将图像分块并简化遮罩区域以改善结果。

建议仅裁剪您希望移除部分周围的区域。

色彩校正也可在前期提升检测效果。

例如，扫描图像可能褪色或对比度较低，调整对比度会很有效。

被深灰或模糊色调填充的遮罩，若通过调整对比度使其变为纯黑，则更容易被检测。

若可见印刷网点，可能干扰检测；在某些情况下，手动重绘清晰的黑色遮罩线可能更佳。

■此外，由于此LoRA属于早期实验，它可能恢复出大致形状，但在真实纹理或精细细节上表现不佳。

对成果质量不佳深表歉意，敬请理解其局限性。

如需更佳效果，建议使用修复（inpainting）或搭配其他模型以0.25–0.5去噪强度进行图生图（i2i）。

SD1.5轻量且即使在高分辨率下表现优异，是i2i任务的理想选择。

它作为优秀的精炼器，有时甚至能产生超出预期的出色结果。

若您拥有足够的显存，SDXL也是一个值得考虑的选项。

■我使用AI Toolkit训练了此LoRA。

如您有兴趣尝试训练，开发者已在下方网址提供了教程——不妨一试！

我相信您会发现它比想象中更容易。

数据集详情：

根据教程，我使用50张图像训练了此LoRA。

■这50张未遮罩图像代表最终编辑结果，作为目标端使用。

■我使用图像编辑器手动在可能被遮罩的区域添加了多种遮罩类型，作为控制端使用。

多数为动漫风格，也包含少量真实照片。

为增加多样性，我准备了多种场景。