ID Sign - Flux

これはIDサインの概念をモデリングした最初の試みではありません。初期の試みはSDXLで行われましたが、いずれも概念を十分に再現できませんでした。SDXL用の概念は単一の画像だけであり、フルパネルではありませんでした。OnOffを見た後、他のLoRAと非常にうまく組み合わせられることに気づき、もう一度試みる価値があると判断しました。この試みのプロンプトテキストはOnOffと似ており、効果が良かったため、これを模倣しました。

厳密に言えば、IDサインや検証サインとは、特定の情報が記されたしわくちゃの紙の一部を必要とします。さらに、画像が編集または変更されていないことを確認するために、このサインを複数の画像に表示する必要があります。3つのビューを同時に生成することで、画像間の一貫性を確保しました。特に、サインのテキストと紙のしわの整合性に注力しました。

このモデルはflux1-dev用のLoRAであり、flux1-devのチェックポイントで学習されました。オンラインで見つけた33枚の画像を用いて学習しました。画像は標準的な高さにリスケールされ、3枚ずつ合体して11枚のトレーニング用画像を作成しました。

トレーニング用のキャプションは以下の形式でした：

「3つのビューから見えた、しわくちゃの白紙のサインを握る女性、左の写真[SCENE]、中央の写真[SCENE]、右の写真[SCENE]」

ここで、SCENEは写真の簡潔な説明です。

SCENEの例：「裸で立っている」「サイドから見たパンツ姿で膝をつく」「裸で横たわっている」「サイドから見た裸」

推奨設定

このモデルは以下のように設定すると良好な結果を出します：

• ストレングス：1
• Distilled CFG：3-3.5
• ステップ数：30
• サンプラー：Euler Simple
• チェックポイント：fluxunchainedArtfulNSFW
• 解像度：1408x768

プロンプティング

以下のプロンプト形式で良好な結果が得られました。

「3つのビューから見えた、しわくちゃの白紙のサインを握る女性、サインには（"TEXT":1.3）と書かれている。すべての写真に共通する要素を記述する。左の写真 SCENE_1、中央の写真 SCENE_2、右の写真 SCENE_3 lora:idsign_flux_v1:1」

全体のシーンは画像の共通要素でプロンプトできます。たとえば、「茶色の髪の女性が寝室にいる」「ビーチで」「大きな胸を持つドレスを着た女性」のように、完全な文でプロンプト可能です。

個々のシーンもプロンプトできます。短いプロンプトのほうがサインの整合性が高まりました。たとえば、「ベッドに横たわる」「椅子に座る」「外で立つ」

他のプロンプティング方法でも動作する可能性があります。

強み

• 正しいテキストを持つIDサインを生成する
• テキストとしわが一貫したIDサインを生成する
• 各写真を個別にプロンプト可能
• 多種多様な被写体で動作する
• 3つ以上のビューを生成可能（トレーニングデータには含まれていないが、fluxに感謝）

弱み

• 画像の一貫性は2～10％の確率でしか発生しない（プロンプトに非常に依存）
• 単純でない角度で持たれたサインは動作しない
• 画像は完全に一貫していない

バージョン2

より小さなLoRAサイズを試みましたが、効果は劣りました。より多様なトレーニング画像セットがあれば、モデルの性能は向上するでしょう。別のバージョンが作成される可能性があります。