AUTOMATED Flux-Kontext LoRA Training: My "Reverse Engineering" Workflow for Perfect Datasets

안녕하세요, 모두에게 제가 Flux-Kontext LoRA 학습으로 엄청나게 정밀한 결과를 얻기 위해 사용해온 워크플로우를 공유하고자 합니다. 이 방법은 데이터셋 준비에 어려움을 겪고 있는 분들에게 혁명적인 솔루션이 될 것입니다.

핵심 아이디어: 역으로 작업하고 모든 과정을 자동화하세요

Flux-Kontext의 표준 접근 방식은 '전' 이미지를 찾은 후, 어쨌든 '후' 이미지를 생성하는 것입니다(예: 객체를 추가하거나 옷을 제거하기). 이 과정은 종종 가장 어려운 부분이며, 특히 AI가 원하는 특정 변화를 일관되게 생성하지 못할 때 그렇습니다. 그 후에는 모든 사이드카 텍스트 파일을 수동으로 작성해야 합니다.

제 방법은 이 과정을 역으로 뒤집고 전체 파이프라인을 자동화하는 것입니다.

단계별 워크플로우

특정 유형의 모자를 제거하는 LoRA를 학습하고자 한다고 가정해 봅시다.

1. "후" 폴더 생성 (데이터셋): 먼저, 대상으로 삼고자 하는 모자를 착용한 상태의 이미지 집합을 수집하거나 생성합니다. 이것이 시작점이며, 이후 데이터셋 폴더가 됩니다.

2. "전" 폴더 생성 (컨트롤 세트) 및 프롬프트 생성: 이제 데이터셋 폴더의 모든 이미지를 Flux-Kontext 배치 프로세스에 통과시킵니다. 이때의 목표는 변화를 되돌리는 것입니다. "모자를 제거해", "사람에게 깔끔한 헤어스타일을 줘" 등의 프롬프트를 사용합니다. 이렇게 생성된 모자가 없는 깔끔한 이미지가 바로 컨트롤 이미지입니다. 가장 좋은 점은? 이 워크플로우는 이미지 쌍을 생성하면서 자동으로 필요한 모든 사이드카 텍스트 파일을 만들어줍니다.

3. "정제"의 장점: 이 방법의 큰 장점은 잠재적으로 불완전한 "후" 이미지에서 완벽한 "전" 이미지로 가는 과정을 모델이 학습한다는 것입니다. 이는 종종 LoRA가 AI 생성 시 발생하는 아티팩트와 결함을 제거하는 법을 배우게 하며, 결과적으로 훨씬 더 깔끔한 최종 출력물을 만들어냅니다.

4. 최종화 및 학습: 이제 컨트롤 이미지와 데이터셋 이미지가 완벽하게 쌍을 이루고, 모든 사이드카 텍스트 파일도 자동으로 생성되었습니다. 샘플 이미지 몇 개를 추가하기만 하면 학습을 시작할 수 있습니다. 결과적으로 생성된 LoRA는 이 하나의 특정 작업에 매우 특화될 것입니다.

이 워크플로우를 더 쉽게 만들기

컨트롤 이미지, 데이터셋 이미지 및 해당 텍스트 파일을 관리하는 것은 번거로울 수 있습니다. image_a.jpg가 image_b.jpg와 prompt_a.txt와 정확히 매칭되는지 수시로 확인해야 합니다.

이 문제를 해결하기 위해, 저는 세 가지를 한 창에서 동시에 볼 수 있는 맞춤형 데스크톱 애플리케이션을 개발했습니다. 이 도구는 엄청난 시간 절약을 제공하며, 파일이 잘못 매칭되어 학습이 망가지는 위험을 완전히 제거합니다.

이 워크플로우를 간소화하고 싶다면, 이 도구와 더 깊이 있는 튜토리얼은 Patreon에서 지원자분들께 제공됩니다. Patreon.com/LoboForge에서 확인해보세요.
여기에서 동영상 데모를 볼 수 있습니다: https://vimeo.com/manage/videos/1134804036?fl=pl&fe=vl

또한, 옷을 제거하는 "Takeitoff" LoRA도 제 Patreon에서 이용 가능합니다.

이 워크플로우를 시도해보시고, 이 도구로 어떤 창의적인 LoRA를 만들어내셨는지 알려주세요!