GENOVA APEX

GENOVA APEXは実験的なモデルです。

私は以前のGene Quantumモデル/model/885573/flux-gene-beautyとDEDISTILLEDモデル、および私が独自にトレーニングしたLoRAを統合して作成しました。このプロセスは複数の段階を含み、8ステップ（+8ステップのHires.Fix）だけでDEDISTILLEDと同様の高詳細かつリアルな結果を得ることを目的とした実験です。

バージョン（UNet） – このバージョンは、Flux開発モデルと効果的に動作させるためにFlux VAE、Clip-L、T5XXLが必要です。

最適な生成のためのおすすめ設定

• サンプリング方法とスケジュールタイプ：Euler Beta

• サンプリングステップ：8ステップ

• 私はHires.Fixを使用しています。なぜなら、はるかに優れた結果が得られるからです：8ステップ、アップスケール1.2。

• 私の設定：RAM 64GB、VRAM 16GB

• ComfyUI用のワークフロー：
  画像生成には簡潔なワークフローを使用しています。以下で入手できます：Flux Photos DEVワークフロー

  • HyperDetailerワークフロー：FLUX PHOTOS DEV（HyperDetailer更新版） /model/670083

  ただし、このワークフローは詳細強化とアップスケールのノードを含むため、大量のメモリを必要とします。しかし、最良の結果が得られます。

• Forgeでの品質はComfyUIよりも低くなる可能性があります。以下は私が使用したパラメータです：最新版Forge、ステップ8、Euler Beta、Distilled CFG Scale 3.5、CFG Scale 1。Hires.FixのアップスケーラーにはLatentを使用することをお勧めします（またはその他の方法でもさらに良い結果が得られます）。ステップ8、アップスケール1.2（より高いアップスケール係数はより良い結果をもたらしますが、処理速度は遅くなり、より多くのVRAM/RAMを必要とします）、ノイズ低減強度0.7、Distilled CFG Scale 3.5、CFG Scale 1。

• 私のプロンプト作成アシスタント：https://civitai.com/articles/7868/gpts-flux-photo-prompt-gen

P.S. モデリング中のプロセスで観察される結果は、このプロセスの最終出力よりもさらに優れています。そのため、この差異の原因がまだ特定されていないため、引き続き実験を続けています...