Wan2.2 - Breast Play (T2V/I2V)

（問題）：一部のユーザーは、このLoRAを使用すると顔の変化を経験します。これはLoRAが過剰に学習されているためです。LoRAは依然として使用可能です。しかし、強度やワークフローを調整する必要があることを意味します—ヒントを確認してください。

機能

• T2VおよびI2V Wan2.2モデルの両方と互換性があります

• クローズアップと全身の画像で学習しました

• 胸へのさまざまなプレイスタイル（掴む、持ち上げる、覆う、乳首をつまむ、保持する）で学習しました

• 片方の胸だけを使用した胸プレイ（右胸と左胸）で学習しました

ヒント

• 強度は0.5から1の間で試してください。すべてのテストは、I2Vで2つのLoRA（スピード＋胸プレイ）を強度1で行いました。

• 顔の変化が発生した場合は、LoRAの強度を下げてください。

• https://github.com/stduhpf/ComfyUI-WanMoeKSampler の利用、または「High / Low steps」を「正しく」調整することを検討してください：https://www.reddit.com/r/StableDiffusion/comments/1mkv9c6/wan22_schedulers_steps_shift_and_noise/?tl=fr

私のWan2.2カバー動画

ワークフロー：T2I SDXL/Flux/Pony → 画像アップスケーラー → Wan2.2 I2V → アップスケーラー → FPS追加

/model/1916073（text2img & img2vid）。クレジット：DonutsDelivery & Daxamur

https://civitai.com/articles/14582/comfyui-workflow-sdxl-facedetailer-upscaler-and-batch-selection（text2img）

学習

Wan2.2 T2Vベースモデルで学習しました。musubi-tunerを使用して、選別・収集した100枚の高品質画像と50本の動画を完璧に仕上げました。このLoRAはI2VおよびT2Vの両方で動作します。

他のLoRAとの互換性を高めるために学習変数を調整しました。各モデルについて10回以上学習を繰り返し、最適な損失精度を得るために微調整を行いました。データセットのタグ付け記述を多様化させるために異なるタグを用いました。