添加牙套

注意：强烈建议所有用户升级到版本3或版本4。版本1质量较差。

目标：

此模型旨在为生成图像中的人物牙齿上添加照片级逼真的牙套。牙套的尺寸和位置应准确匹配，自然贴合牙齿，同时能响应指定托槽颜色（如金色或银色）和弓丝/橡皮圈颜色的提示。

当前功能：

尽管尚未完美，但版本4通常表现良好，适用于男性和女性。虽然训练时主要针对照片级图像添加逼真牙套，但在测试中发现，它几乎可以为任何对象添加牙套，包括机器人、动物等。此外，它在其他风格中也表现良好，不仅限于照片风格，还包括绘画和卡通风格。

训练数据：

本模型的版本4使用128张高分辨率（1024 x 1024）的真实牙套照片进行训练，共进行6912个训练步骤，跨越54个训练轮次。数据集主要包含不同类型的牙套及多种橡皮圈颜色的图像。

示例提示

由于本LoRA的设计目标是允许你指定托槽和弓丝的颜色（如金色或银色）以及材质（塑料或金属），我已在每个提示的标签中开始加入关于托槽、弓丝和橡皮圈颜色的具体信息。

目前，仅橡皮圈颜色能有效工作。这是因为当前数据集中仅包含银色托槽和银色橡皮圈的示例。

在版本4的测试中，我发现如果在提示中重复这些信息，会获得更稳定、更高质量的结果。

建议遵循如下格式：

adddentalbraces, a [Person/Animal/Object] [Optional age] [If for a person, put man or woman] on [his/her/their/its] teeth with [color] bands, silver brackets, and a silver wire.

示例：

adddentalbraces, a 20-year-old man with braces on his teeth with red bands, silver brackets, and a silver wire.

adddentalbraces, a 20-year-old woman with braces on her teeth with red bands, silver brackets, and a silver wire.

请注意，你不必一定要按此格式输入提示。但在测试中，采用这种风格的提示能获得更一致的输出效果，因为这类提示更接近数据集中使用的标签，而这些标签明确标注了托槽颜色和弓丝颜色。

A/B测试结果：

版本3 vs. 版本4

皮肤纹理改进：

版本3在面部皮肤渲染上容易呈现过度平滑的“气刷”效果。相比之下，版本4在数据集中加入了正则化图像，专门用于解决此问题。

• 训练后进行的A/B测试表明，该方面有显著改善。

增强的数据集细节：

版本4还提升了数据集中真实牙套的细节表现。

• A/B测试发现，版本4偶尔会在牙套上添加版本3缺失的细微特征，例如用于固定橡皮圈的钩子。

交替颜色橡皮圈表现：

版本4的数据集中包含了更多不同交替颜色橡皮圈的牙套示例。

• A/B测试表明，版本4能有效处理指定交替颜色橡皮圈的提示（例如“带蓝绿交替色橡皮圈”），表现优于版本3。

整体性能总结：

总体而言，版本4取得了略优的整体效果，且出现的异常更少，例如不应出现的托槽片段。相比之下，版本3偶尔能生成更优的橡皮圈，但代价是整体图像质量下降。

---

获得最佳效果的建议

使用具体描述年龄、性别和牙套材质，可提升真实感。

建议遵循如下提示格式：

adddentalbraces, a [Person/Animal/Object] [Optional age] [If for a person, put man or woman] on [his/her/their/its] teeth with [color] bands, silver brackets, and a silver wire.

或至少指定橡皮圈颜色，并使用“with silver brackets, and a silver wire”这一表述。

简单提示，例如：

adddentalbraces, A 25-year-old woman with braces on her teeth.

可稳定产生非常满意的结果，通常生成的是近景人像风格照片。在这种近距离风格下，牙套的美学效果最佳，除非提示明确要求其他风格，否则LoRA通常会默认生成此类图像。

该LoRA也能处理更复杂的提示，并可靠地融入牙套。但若提示导致生成全身照或远景照，所添加牙套的质量可能会下降。当前数据集缺乏足够远距离牙套的示例，因此偶尔会出现不一致或失真。（我计划在下一版数据集中增加更多远距离牙套的示例以改善这一点，但获取或制作足够高质量的图像可能需要时间。我对数据集中的图像质量要求极为严格，坚信数据质量是实现高质量训练结果的决定性因素。）

敬请关注后续更新！欢迎用户反馈，请告诉我哪些有效，哪些需要改进。