wan2.2_5B_lora_lab
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
■ 이것은 저의 wan2.2_5B LoRA를 위한 테스트 장소입니다.
■ 제 LoRA는 주로 정적 이미지로 학습되었으며, T2I → I2V 워크플로우에서 wan2.2_5B와 함께 사용하도록 설계되었습니다.
이들은 단일 개념에 집중하는 것이 아니라, 다양한 미지의 개념을 학습하는 데 중점을 두고 있습니다.
■ 저는 wan2.2_5B의 주요 특징이 50억 개의 파라미터를 가지면서도 가볍고 효율적이라는 점이라고 생각합니다. 이로 인해 학습과 추론 모두 부담이 적습니다.
■ 이 모델은 영상 학습에 있어 특히 실용적인 선택지로 보이며, 정적 이미지 학습도 가볍고 접근하기 쉽습니다.
T2V와 I2V가 하나의 모델에 통합되어 있어 컴팩트하고 뛰어납니다. 아키텍처는 품질과 효율성 사이에서 훌륭한 균형을 이루며, 잠재력에 대한 강한 신뢰를 줍니다. 미지의 개념 학습도 매우 쉽습니다.
■ wan2.2_5B를 처음 사용하신다면, 아래 URL에서 필요한 모델과 워크플로우를 다운로드하실 수 있습니다. 시도해 보세요.
https://comfyanonymous.github.io/ComfyUI_examples/wan22/
■ 각 LoRA에 대한 자세한 설명은 탭에 나와 있으며, 워크플로우도 함께 제공되므로 추론 시 참고하시기 바랍니다.
■ 제 테스트에서, 정적 이미지 추론은 1920x1728 또는 1280x1728과 같은 고해상도에서도 거의 문제 없이 잘 작동했고, 이는 모델의 뛰어난 유연성을 보여줍니다. 따라서 제 워크플로우는 기본적으로 1920x1280px로 설정되어 있습니다. 수직 해상도도 좋은 결과를 제공하지만, 영상 비율에 가까운 가로 비율이 더 매력적으로 느껴졌습니다.
■ 이 모델은 텍스처와 같은 미세한 디테일 처리에도 매우 뛰어나지만, 일부 VAE 고유의 인공적인 아티팩트가 있습니다. SD1.5와 같은 모델을 사용한 i2i로 이러한 문제를 보정하는 것이 좋은 방법입니다. wan2.2_5B가 강렬한 구성에 집중하고, 다른 모델이 디테일을 보완한다면 결과는 더욱 향상됩니다.
저의 워크플로우에는 아래 모델들과 함께 i2i도 포함되어 있으므로 참고하시기 바랍니다. 리얼리스틱과 애니메이션 스타일 모두 제공되며, 선호하는 스타일을 자유롭게 선택하세요. 물론 VRAM이 충분하다면 SDXL도 훌륭한 선택입니다.
■ 저는 AI Toolkit을 사용해 LoRA를 학습했습니다. 학습에 관심이 있으시다면 개발자가 제공하는 튜토리얼을 따라 하실 수 있으며, 예상보다 훨씬 쉬울 것입니다.