Qwen Breast Type Selector (WIP)

这是一个多种不同乳房类型的集合体。为什么？

准确性——你添加的图像越多样化，你的LoRA就会被稀释得越厉害，训练时间也会越长。Qwen已经知道乳房是什么，但不知道乳晕长什么样。将乳房作为一个整体进行训练，能获得高度兼容性，结果也更一致。你可以使用我的“内凹阴道”LoRA，现在你可以自由选择阴道和乳房类型。由于这个LoRA仅专注于乳房，以及少量外部区域以引导乳房的位置和方向，因此在你已有针对某个角色训练的LoRA并希望保持其特征时，它能很好地配合姿势和侧面角度，而不会改变身体尺寸。

训练速度——这一点很重要，这个LoRA仅用了1.2小时训练，而其他方法可能需要8小时，甚至1.5天。

现在的问题是什么？训练分辨率。由于4K等高分辨率图像很难获取，而我也没有足够硬件来训练如此高分辨率的图像，因此目前只有512和1024两种选择。这个分辨率不足以捕捉人体解剖结构的足够细节，比如无法清晰呈现血管或真正的乳晕，因此乳晕会显得模糊。上采样和Hires.fix可能是一种解决方法。但消费级硬件性能不足，除非你有128GB内存来弥补VRAM的缺失——遗憾的是，64GB内存加5090显卡仍不够用。

触发词是：b00b135

（这个单词在我的训练过程中引发了意想不到的后果，请谨慎使用。虽然后续步骤已修复，但在较低强度下仍可能显现。）

我用惨痛的教训发现，Qwen不喜欢在没有触发词的情况下为你的LoRA添加描述。如果你不希望你的角色戴着那副丑陋的太阳镜，就别把它加入数据集。在训练时，Qwen作为仅依赖触发词的模型效果更好。如果你的角色有你喜欢的绿色调或独特特征，请将其描述为现有词汇，或进行遮罩，并创建你自己的触发词。

如果我想训练它，我该怎么做？

使用遮罩分层。什么是遮罩分层？如果你将乳房拆分为不同图层：乳头为图层1，乳晕为图层2，乳房本体为图层3。你需要复制这张图片三次，并创建三个不同的遮罩，然后逐一遮罩。这样你会得到三个独立的LoRA。这是最精确的方法，但效率极低。为什么？因为Qwen根本不知道乳晕是什么，添加更多词汇只会进一步混淆AI。如果你不使用LoRA直接说“乳房”，它会包含乳晕，但效果会非常糟糕。通过分离并为每个图层创建自己的触发词，你可以绕过Qwen自身糟糕的标注或低质量数据集。你的目标是让模型从你的数据集中学习乳晕，而不是依赖Qwen内部已有的认知。

由于这个LoRA只包含一组相同的乳房，我可以包含乳晕。这是在不产生伪影的前提下训练LoRA的最佳方式。唯一的问题是图像分辨率不够高。遮罩的边界区域很重要，我仅遮罩了定义乳房的关键区域，没有包含太多人物特征。她的肤色和一些痣可能仍会显现，仅此而已。

这里有一个想法：你使用的任何不在Qwen知识库中的词汇，都会让模型根据你的数据集训练图像中的所有内容，无论这个词本身是什么含义。使用现有词汇则会尝试覆盖它，我试过这种方式，即使训练了6000步，效果也几乎没有改变，因为我用的词与“两个人接吻”相关。使用触发词解决了这个问题。

你的描述应在ComfyUI或其他WebUI界面中详细编写，而不是在你的训练数据集中。只要图像不是过于复杂，模型本身会学习构成你角色的每个特征。

例如，如果你用真实男性人物训练并使用“male”这个词，你的LoRA会采用Qwen对“男性”的认知，而不是你的角色特征——他的身体形态会丢失，但面部仍基本保留，因为AI普遍非常擅长处理人脸。触发词会将这个词视为你角色的整体。你可以把WebUI中的描述看作是你所用触发词的定义（就像字典一样）。