Tomboys for FLUX

更新3：哦天，现在效果真好！而这一切只需要再多训练几步（精确地说是1万步，基本上是之前的四倍:D）。这让我怀疑，之前的几次尝试是否也适用同样的规律？

更新2：哇，那个带joycaption的尝试真是个惊喜：它在还原数据集中“假小子”形象方面显然是最差的，而且更离谱的是，它似乎还是最“色”的一次尝试（但数据集是SFW的）。也许T5文本编码器真的很难学习新东西，因此增加训练步数会有所帮助，对吧？我们拭目以待！

更新：嗯，我之前怀疑重复瑕疵可能与训练分辨率有关，看来没全错：1024x1024分辨率的版本出现的重复瑕疵明显更少（但偶尔仍有），同时保留了更复杂的背景和更多样的构图。接下来我们看看Flux在使用自然语言描述时表现如何。

经过三次训练后的初步发现：完全无描述的训练数据集与Flux配合效果出奇地好。好到甚至仅仅加入一个描述词（触发词“tomboy”）不仅没有提升效果，反而略微降低了表现。尽管我在第二次展示时不得不做一点精挑细选，也许那只是随机种子运气不佳。

而第三次使用经典Booru风格标签的版本，则完全是另一种体验。一方面，尤其在日光浴图片中，它生成了更优质的环境，如更一致的海滩或泳池等；但另一方面，它也引入了严重的“身体拼贴”问题——虽然还没到SD3那种程度，但我还是在展示中加入了一些不太成功的图片作为参考。看来它更容易生成多个人物，是否与512x512的训练分辨率有关？下次我将用1024x1024分辨率重新训练对比一下。

“Tomboy”是一个复合词，由“tom”和“boy”组合而成。虽然这个词如今用来指代“像男孩的女孩”，但其词源表明其含义已随时间发生巨大变化。根据《牛津英语词典》，1533年时，“tomboy”意为“粗鲁、喧闹或放肆的男孩”；然而到了1570年代，“tomboy”已演变为指“大胆或不检点的女人”；最终在1590年代末至1600年代初，这个词演变为如今的含义：“行为像活泼或吵闹男孩的女孩；一个野性奔放的女孩。”

来自 维基百科

这就是了：假小子，自1600年以来一直在挑战性别刻板印象，同时看起来还帅到爆。更令人惊讶的是，Flux似乎完全不知道“假小子”是什么。但这一切将因这个LoRA（希望如此）而改变。