FLUX_Custard - Wet and Messy (WAM) Sploshing

버전 1.1 업데이트.

이번 업데이트는 확장된 데이터셋과 재캡션을 포함한 중요한 업데이트입니다. 아직 에포크 출력 결과를 테스트 중이지만, 현재로서는 이 설정이 개념을 과도하게 과도하게 만들지 않으면서 가장 균형 잡힌 결과를 제공한다고 느낍니다.

다른 LoRA들과도 비교적 잘 작동하지만, 일반적으로 최적의 결과를 얻기 위해 가중치를 조정해야 합니다.

저는 대부분의 이미지를 다음 파라미터를 사용하여 ComfyUI로 생성했습니다.

Max_Shift: 0.70

Base_shift: 0.20

Flux Guidance: 1.9-2.2

샘플러: Euler

스케줄러: Beta

스텝: 30

CivitAI의 생성기로는 제 이미지와 같은 정확도와 디테일을 얻는 데 어려움을 겪었습니다. 그들이 사용하는 샘플러가 무엇인지 확실하지 않습니다.

---

카스타드 스플래싱에 초점을 맞춘 LoRA입니다.

이 LoRA는 제가 소장한 이미지에서 선별한 300장의 WAM/스플래싱 이미지로 학습되었습니다. 이미지 세트는 모두 카스타드 장면으로 구성되어 있으며, 피사체는 다양한 옷차림과 복장, 자세, 장소에서 촬영되어 데이터셋의 다양성을 확보했습니다.

이 LoRA는 자연어 프롬프트와 가장 잘 작동합니다. LoRA를 사용하기 위해 특별한 트리거 단어는 필요하지 않습니다. 피사체의 위치, 자세, 그리고 물질만 명시하면 충분합니다. 최상의 결과를 얻으려면 물질이 피사체와 어떻게 구체적으로 상호작용하는지 설명해 보세요.

설정면에서, 이 LoRA는 0.75에서 1 사이의 강도에서 가장 잘 작동합니다.

여러 인물을 원한다면, 임의의 이름을 지정하는 것이 도움이 됩니다.

테스트용으로 1.9-2.2의 가이던스와 간단한 Euler 스케줄, 30스텝으로 샘플링해 왔습니다.

일반적인 샘플러는 모두 잘 작동하며, 저는 Euler Simple/Beta와 Deis/ddim_uniform을 주로 사용합니다. 일반적으로 30스텝을 실행하지만, 20-40스텝도 괜찮습니다.

이 LoRA는 전체 정밀도 t5/clip 조건부로 학습되었습니다. FP16과 FP8도 테스트해 보았으며, 사용하는 시드에 따라 뛰어난 결과를 얻었습니다.

피드백을 환영합니다. 그리고 기부는 큰 도움이 됩니다.