(SDXL & SD 1.5) Simple pointed toe stiletto heels without ankle strap (尖头高跟鞋)

已训练完成。对于SDXL而言并非必需，因为其本身已可生成此类鞋履。但本模型旨在为尖头高跟鞋提供更一致、更锐利的轮廓。

SDXL V1.0

• 基础模型：SDXL 1.0

• 权重范围：0.5-1.0，使用动漫类checkpoint时可能需要更高权重，最高可达1.3。

SD 1.5

SD在使用反向提示词的情况下仍会生成带有绑带或厚底的高跟鞋。本Lora为一个简单模型，当权重超过0.4时，可有效去除尖头高跟鞋上的脚踝绑带，并对鞋型进行微调。经测试，使用真实风格checkpoint模型时，0.4–0.8的权重可获得较理想效果。

SD经常会生成带脚踝绑带的高跟鞋，即使使用了反向提示词也难以完全避免。此Lora可有效去除绑带，并对鞋型进行优化。建议权重设置在0.4–0.8之间，推荐从0.4开始逐步上调；超过0.8后泛化效果下降，颜色也趋于固定为黑色。在真实风格checkpoint下表现良好，二次元风格也能使用，但可能略有失真，且需更高权重才能完全去除绑带。

绘制腿部姿势的小技巧：

对于简单姿势，直接使用提示词搭配OpenPose即可，该Lora可较好地生成符合预期的形态。

对于复杂姿势，当前SD生成效果受限，常会出现多条手臂、多条腿，且高跟鞋形态严重畸变。为此建议使用ControlNet中的边缘检测功能，如Canny、Softedge或Scribble，核心思路是利用图像轮廓来约束整体姿态与高跟鞋的形状。

• 首先准备一张目标腿部姿势的参考图，并确保图中包含穿高跟鞋的完整画面，将其导入ControlNet。

• 在ControlNet中选择Softedge，生成预览图，检查高跟鞋轮廓是否准确识别。若识别不佳，可更换为Canny，其边缘检测更清晰。

• 将ControlNet权重设为0.5–1.0，编写提示词并生成图像。权重越低，背景与衣物越易更改；权重越高，姿态与鞋型的还原越准确。

• 若目标服装与参考图差异较大，可尝试使用Scribble模式，它为AI提供更多自由绘制空间，但对鞋型的约束力较前两者弱。

• 若上述三种边缘检测方法均失败，建议手动修改ControlNet预览图，使轮廓更清晰并剔除无关内容。操作方法极为简单：用黑色覆盖不需要的部分，白色勾勒出期望的轮廓。Windows自带画图软件即可完成。

测试结果显示，Softedge在高跟鞋边缘检测方面效果最佳，且在换衣等场景中泛化性较强，因此推荐首选Softedge进行边缘检测。

V2.1

• 扩展正则化训练集与数据集范围
• 网络维度设置为128
• 在正则化基础上略微提升先验损失权重

V2.0

• 重新优化并扩展训练集，去除所有无关内容（包括背景与人脸），因此在高权重下该版本更不易污染面部等关键区域。

• 新增DreamBooth正则化训练集，使高跟鞋尺寸、附着点等属性表现更稳定。

• 推荐权重：0.3–0.9，测试图像使用0.5–0.6，建议逐步提升权重。

• 低权重下可良好兼容多数服装类Lora。

• 当鞋底朝上时生成效果不佳，推测问题源于基础模型本身，因为即使禁用本Lora，该问题依然存在，说明基础模型未对这类姿态进行充分训练。