Denne arbejdsgang handler om at skabe karakterer med et konsistent udseende ved hjælp af IPAdapter Face Plus V2-modellen. Start blot med at uploade nogle referencebilleder, og lad derefter Face Plus V2-modellen udføre sit magiske arbejde og skabe en række billeder, der bevarer de samme ansigtstræk. Brug gerne forskellige checkpoints eller LoRA-modeller for at udforske en række stilarter, alt imens du holder din karakters udseende konsistent.
Denne model er basisversionen for ansigtsidentifikation, der tillader variationer forstærket af tekstprompt, kontrolnet og masker. Den er kendt for sin gennemsnitlige styrke i betingelse, hvilket gør den egnet til generelle ansigtsbetingelsesopgaver. Basis FaceID-modellen anvender ikke en CLIP vision encoder, hvilket indebærer en enklere opsætning uden behov for komplekse encoder-konfigurationer.
FaceID Plus-modellen er en stærkere variant, designet til stærkere billede-til-billede betingelseseffekter. Den kræver brug af ViT-H image encoder, hvilket indikerer behovet for højere behandlingskapacitet for detaljeret ansigtsmodellering.
En iteration over FaceID Plus, denne model introducerer forbedringer for endnu mere detaljeret ansigtsbetingelse. Ligesom FaceID Plus, anvender den ViT-H image encoder. Denne model sigter mod at levere øget kvalitet i ansigtsmodellering, der imødekommer mere nuancerede krav.
Designet specifikt til portrætter, anvender denne model ikke en CLIP vision encoder. Den fokuserer på at generere høj-kvalitets ansigtsbilleder inden for portrætindstillinger, potentielt tilbydende en specialiseret tilgang til portræt billedgenerering.
SDXL-varianten af FaceID er skræddersyet til brug med SDXL-arkitekturen og anvender ikke en CLIP vision encoder. Den repræsenterer en basis model inden for SDXL-serien, designet til skalerbare dybe læringsarkitekturer, med fokus på ansigtsidentifikationsopgaver.
Dette er en stærkere version af FaceID-modellen til SDXL-arkitekturen, der anvender ViT-H image encoder. Den er designet til at tilbyde forbedrede ansigtsbetingelseseffekter inden for SDXL-rammen, rettet mod høj-kvalitets billedgenereringsopgaver.
Vælg din foretrukne FaceID eller FaceID Plus model for at begynde at skabe dine billeder. Inden for indstillingerne vil du finde muligheder for at justere både vægtene og støjen. Disse justeringer er nøglen til finjustering af udseendet på dine genererede billeder, hvilket giver dig mulighed for at opnå det præcise udseende, du sigter efter.
Når du bruger IPAdapter FaceID noder, behandler CLIP vision-modellen dit referencebillede ved at ændre størrelsen og centrere det til en dimension på 224x224 pixels. Denne automatiske justering fokuserer på billedets centrum, hvilket gør det vigtigt, at hovedmotivet i dit billede, som en karakters ansigt, er placeret centralt. Hvis motivet er uden for centrum, især i portræt- eller landskabsbilleder, kan resultaterne muligvis ikke leve op til dine forventninger. For de bedste resultater anbefales det stærkt at bruge kvadratiske billeder med motivet centreret.
© Ophavsret 2024 RunComfy. Alle rettigheder forbeholdes.