American Dollar Bills

美国美元钞票 是我为 Flux 训练的第一个 LoRA。该项目的目标是基于 1 美元、2 美元、5 美元、10 美元、20 美元、50 美元和 100 美元这几种主要面额，生成正面和背面的逼真美元钞票图像。它最初只是一个充满好点子的实验，但最终结果并不完美。然而，得益于我对学习的热情以及提升模型创建技能的愿望，尽管起初缺乏经验，我还是明白了未来该如何改进以实现……

数据集创建

图像搜索与选择

我在网上搜索了从 1 美元到 100 美元各主要面额的美元钞票（正面和背面）图像。我总共收集了 150 张图像，其中包括一些超高清分辨率的图片，确保涵盖多样化的设计与背景。

调整尺寸

使用 Birme 网站，我快速将所有图像转换、调整大小并裁剪为 1024x1024 的正方形格式。

研究钞票设计

由于我不是美国人，也从未去过美国，我花时间研究了美元钞票的设计（虽未深入），重点关注每种面额正反两面的细节。

文本标注生成

我使用 Kohya 中的 BLIP2 为数据集中的每张图像自动生成文本标注，随后通过 Google 翻译手动审查所有标注以确保准确性。最后，在 ChatGPT 的帮助下，我对标注进行了优化，使其更加精确和多样化（例如：“一张一美元钞票”、“一张 1 美元钞票”等）。

在 Civitai 上训练

我选择使用 Civitai 平台进行训练，因为相比 Flux Gym，它对我来说更简单高效。

然而，在完成训练并使用生成的首批图像测试 LoRA 后，我意识到数据集中存在明显的不平衡问题：

• 大部分图像为 100 美元钞票。

• 其他面额，如 10 美元钞票，完全缺失。

这种不平衡在生成结果中清晰体现：即使使用通用提示词，LoRA 也倾向于生成 100 美元钞票。

数据集分析与脚本创建

为了理解数据集平衡的错误，我编写了一个简单的 Python 脚本来分析文本标注。该工具通过名为 yes_word.txt 的文件搜索相关关键词（如 “dollar”、“banknote” 或面额数字 1、5、10、20 等），同时使用名为 no_word.txt 的文件忽略无用词（如连词和介词）。

该脚本生成一份报告，突出显示：

• 最常出现的 10 个单词。

• 最频繁出现的 10 个数字。

• 在 yes_word.txt 文件中找到的所有关键词，按频率和字母顺序排序。

这使我确认了数据集存在不平衡问题：100 美元钞票图像过多，而某些面额（如 10 美元）完全缺失。

性能与观察

在我的测试中，我发现使用该 LoRA 配合简单正向提示时，相比未使用 LoRA 的类似生成效果有显著提升。例如：

• 当作为纹理应用时，它能更均匀地覆盖物体，生成更精细、更可信的图案。通过指定特定特征（如材质类型或纹理），它能完美融入物体结构，使纹理看起来如同材质本身的一部分。

• 当应用于人物时，它能生成更细致、更逼真的服装。

• 总体而言，该 LoRA 提升了图像质量，尤其在写实场景中，能生成更精致、更具视觉吸引力的最终结果。

最终思考

美国美元钞票 是一个让我对 LoRA 创建与训练过程有了深刻理解的实验。尽管存在局限性和明显的平衡错误，它仍是我未来模型改进中的重要一步。

主要优势：

• 在写实场景中，无论是纹理还是人物服装，都能产生高度可信且细节丰富的结果。

• 可应用于物体与人物。

• 文件大小仅 18.3 MB。

该 LoRA 的预期效果：

• 旨在生成逼真的美国钞票图像，尤其侧重于 100 美元钞票（因数据集不平衡）。

• 在 ComfyUI 中建议使用 1 至 2 的权重以获得最佳效果。

• 你可以进一步测试它在与钞票相关的优质提示下的表现（如卷起的、成堆的、捆扎的、散乱的等）。

改进方向：

• 未来要获得更好的版本，我必须在训练前平衡数据集，确保所有钞票面额得到更均匀的覆盖。

• 我必须积极吸纳更有经验用户的反馈，以改进训练与分析流程。

• 开发更强大的工具，在训练前分析数据集至关重要。

如果你曾希望生成详细的美国钞票图像，或在项目中融入逼真纹理，请尝试 美国美元钞票！你的反馈将对未来的改进至关重要。