什么是 Groovy Aesthetica？

这是一个体现 1970 年代充满活力的文化与真实精神的 Flux LoRA，突出大胆的美学与自由感。该 LoRA 将原本出色但平庸的 Flux Dev 模型，转变为一种真正的“古法发酵面包”——仿佛刚在 1970 年代的芬芳中新鲜出炉。

当你希望将你的作品带回那个充满自由之爱与多元音乐的时代，捕捉社区精神与自我表达的本质时，请使用它。

我在画廊中提供了一些前后对比图。下方是我的工作流程，可帮助你重现此类输出。

图像生成建议

我通过 Mcmonkeyprojects 的出色 SwarmUI 分支（一个强大且易用的 ComfyUI 及其他后端前端）生成这些图像。目前我发现其他 UI 生成的效果较为平淡。结果可能因人而异。

核心参数

• 模型：Flux1-dev，搭配 clip_l 和 t5xxl_fp16。
• 步数：30
• CFG 缩放：1

采样

我尝试过多种采样器和调度器，目前使用以下设置：

• 采样器：DEIS
• 调度器：Beta
• Flux 引导比例：3.5

提示词

在 SwarmUI 中，使用 Segment: 功能对输出的特定区域进行局部修复（inpainting）。这几乎可以涵盖任何该分段模型训练过的对象，例如 face、eyes、feet、top 等。

分段（局部修复）

我添加到大多数提示词中的通用标签是：

• segment:object,0.7prompt

其中 object 是你希望修复的图像中的特定对象，数字代表修复强度。SwarmUI 会说明更多变量。此方法可视为更高级的 aDetailer。Yolo 模型也可添加至 SwarmUI 并使用。

精修/放大（高分辨率修复）

这些设置可用于获得更高分辨率的输出，同时避免出现条带效应。从较高分辨率开始，并将其作为精修机制，通常有助于保持细节的保真度。因此，我一般将放大倍数控制在 1 到 1.25 之间。

• 精修控制百分比：0.3 - 0.7
• 精修方法：后应用（Post-Apply）
• 精修放大倍数：1 - 2
• 精修放大方法：Latent：Bislerp
• 精修是否平铺：勾选（重要！）