Wonder Woman (Injustice 2)

1. 强大的角色一致性

• 专用的神奇女侠 LoRA 在不同提示下能出色地保持面部特征、服装元素和整体轮廓。

• 相比仅靠提示，可减少“角色漂移”。

2. 轻量且高效

• LoRA 的体积远小于完整检查点。

• 易于加载、切换，并可与不同基础模型（SD 1.5、SDXL、动漫、写实等）组合使用。

3. 风格 + 角色控制

• 可训练以捕捉：

  • 经典漫画风格

  • 现代电影式演绎

  • 风格化或绘画式变体

• 可调节强度，让用户平衡准确性与创意性。

4. 更快的迭代

• 训练速度远快于完整模型。

• 若需改进服装、时代或艺术风格，易于微调。

5. 适合粉丝艺术与概念设计

• 适用于：

  • 粉丝插画

  • 概念艺术

  • 替代服装或场景

  • 非写实风格

---

缺点

1. 法律与知识产权限制

• 神奇女侠是受版权保护的角色。

• 使用或分发 LoRA 可能引发问题，若：

  • 用于商业销售

  • 用于盈利性产品

  • 声称其为原创 IP

• 更适合个人、教育或粉丝用途。

2. 过拟合风险

• 若训练过于严格：

  • 输出可能显得重复

  • 相同姿势、面部角度或服装细节反复出现

• 除非谨慎平衡，否则会限制创意灵活性。

3. 依赖基础模型

• 性能高度依赖：

  • 基础检查点的质量

  • 是否与 LoRA 的训练风格匹配

• 在动漫基础模型上使用写实风格训练的 LoRA（反之亦然）可能效果不佳。

4. 提示敏感性

• 需要精细的提示：

  • 权重过低 → 角色几乎不出现

  • 权重过高 → 解剖结构扭曲或特征夸张

• 可能与其他 LoRA（姿势、服装、表情）产生冲突。

5. 数据集偏差

• 若训练图像仅聚焦于：

  • 某一时代（如仅电影版）

  • 某一服装

• 模型可能难以处理其他设计或诠释方式。

---

最佳使用场景

• 粉丝艺术生成

• 风格研究（漫画 vs. 电影）

• 姿势、光影与环境实验

• 非商业创意项目