GENOVA APEX

GENOVA APEX는 실험용 모델입니다.

저는 이전의 Gene Quantum 모델/model/885573/flux-gene-beauty을 DEDISTILLED 모델과 제 자체 학습 LoRA와 병합하여 생성했습니다. 이 과정은 여러 단계를 거쳤으며, 단 8단계의 생성(+ 8단계 Hires. Fix)만으로 DEDISTILLED와 유사한 고세부 정보 및 사실성에 도달하는 것을 목표로 하는 순수한 실험입니다.

버전 (UNet) – 이 버전은 Flux 개발 모델과 효과적으로 작동하려면 Flux VAE, Clip-L 및 T5XXL이 필요합니다.

최적의 생성을 위한 권장 설정

• 샘플링 방법 및 스케줄 유형: Euler Beta

• 샘플링 단계: 8단계

• 저는 더 나은 결과를 얻기 위해 Hires. Fix를 사용합니다: 8단계, 업스케일 1.2.

• 제 구성: RAM 64GB, VRAM 16GB

• ComfyUI용 워크플로우:
  이미지 생성을 위해 아래 링크에서 사용할 수 있는 간단한 워크플로우를 사용합니다: Flux Photos DEV 워크플로우

  • HyperDetailer 워크플로우 FLUX PHOTOS DEV (HyperDetailer 업데이트) /model/670083

  그러나 이 워크플로우는 디테일 향상 및 업스케일링을 위한 노드를 포함하기 때문에 많은 메모리를 요구하며, 동시에 최상의 결과를 제공합니다.

• Forge에서의 품질은 ComfyUI보다 낮을 수 있음을 유의하세요. 아래는 제가 사용한 파라미터입니다: 최근 Forge 업데이트, 단계 8, Euler Beta, Distilled CFG Scale 3.5, CFG Scale 1. Hires.Fix 업스케일러로 Latent 또는 다른 방식을 사용하는 것을 권장합니다. 8단계, 업스케일 1.2(높은 업스케일 팩터는 더 나은 결과를 제공하지만 속도가 느리고 더 많은 VRAM/RAM을 요구함), 노이즈 제거 강도 0.7, Distilled CFG Scale 3.5, CFG Scale 1.

• 제 프롬프트 작성 보조 도구: https://civitai.com/articles/7868/gpts-flux-photo-prompt-genP.S. 모델링 과정 중 관찰한 결과는 이 과정의 최종 출력보다 더 뛰어납니다. 따라서 이 불일치의 원인이 아직 밝혀지지 않았기 때문에 저는 계속 실험을 진행하고 있습니다...