FLUX_Custard - Wet and Messy (WAM) Sploshing

版本 1.1 更新。

这是一个重大更新，包含了扩展的数据集和重新标注。我仍在测试不同轮次的输出，但目前我认为这是在不过度渲染概念的前提下最好的平衡状态。

该 LoRA 与其他 LoRA 的兼容性较好，不过和以往一样，仍需调整权重以达到最佳效果。

我主要使用 ComfyUI 创建图像，参数如下：

Max_Shift：0.70

Base_shift：0.20

Flux 指导：1.9-2.2

采样器：Euler

调度器：Beta

步数：30

我难以让 CivitAI 的生成器达到我自己图像的精度和细节水平，不清楚他们使用的是哪种采样器。

一个更专注于“蛋奶酱飞溅”（Custard Sploshing）的 LoRA。

该 LoRA 在我收藏的 300 张 WAM/Sploshing 图像上进行了训练。图像集完全聚焦于蛋奶酱场景，人物穿着各种服装、摆出不同姿势、出现在不同地点，以提供多样化的数据集。

该 LoRA 最适合使用自然语言提示。无需任何触发词，只需指定主体、位置、姿势和物质即可。为获得最佳效果，请尽量描述物质如何具体与主体互动。

关于参数设置，该 LoRA 在强度 0.75 至 1 时效果最佳。

我发现为人物随机命名会有帮助，尤其是当你希望生成多人场景时。

我测试时使用的指导值为 1.9–2.2，采用简单的 Euler 调度，步数为 30。

常规采样器均表现良好，我常用的是 Euler Simple/Beta 和 Deis/ddim_uniform。通常运行 30 步，但 20–40 步也可接受。

该模型使用全精度 t5/clip 条件训练。我已测试过 FP16 和 FP8，两者均能获得出色效果，当然效果也取决于所用的随机种子。

欢迎反馈，任何打赏都十分感激。