Denne arbeidsflyten handler om å lage karakterer med et konsistent utseende ved å bruke IPAdapter Face Plus V2-modellen. Start enkelt ved å laste opp noen referansebilder, og la deretter Face Plus V2-modellen gjøre sitt magiske arbeid, og skape en serie bilder som opprettholder de samme ansiktstrekkene. Bruk gjerne forskjellige checkpoints eller LoRA-modeller for å utforske en rekke stiler, samtidig som du holder karakterens utseende konsistent.
Denne modellen er basisversjonen for ansiktsidentifikasjon, som tillater variasjoner forsterket av tekstprompter, kontrollnett og masker. Den er kjent for sin gjennomsnittlige styrke i kondisjonering, noe som gjør den egnet for generelle ansiktskondisjoneringsoppgaver. Basis FaceID-modellen bruker ikke en CLIP vision encoder, noe som innebærer en enklere oppsett uten behov for komplekse encoder-konfigurasjoner.
FaceID Plus-modellen er en kraftigere variant, designet for sterkere bilde-til-bilde kondisjoneringseffekter. Den krever bruk av ViT-H image encoder, noe som indikerer behovet for høyere prosesseringskapasiteter for detaljert ansiktsmodellering.
En iterasjon over FaceID Plus, denne modellen introduserer forbedringer for enda mer detaljert ansiktskondisjonering. I likhet med FaceID Plus, bruker den ViT-H image encoder. Denne modellen har som mål å gi økt kvalitet i ansiktsmodellering, og imøtekommer mer nyanserte krav.
Designet spesifikt for portretter, bruker denne modellen ikke en CLIP vision encoder. Den fokuserer på å generere høy-kvalitets ansiktsbilder i portrettinnstillinger, og tilbyr potensielt en spesialisert tilnærming for portrettbildegenerering.
SDXL-varianten av FaceID er skreddersydd for bruk med SDXL-arkitekturen, og bruker ikke en CLIP vision encoder. Den representerer en basismodell innen SDXL-serien, designet for skalerbare dyp læringsarkitekturer, med fokus på ansiktsidentifikasjonsoppgaver.
Dette er en sterkere versjon av FaceID-modellen for SDXL-arkitekturen, som bruker ViT-H image encoder. Den er designet for å tilby forbedrede ansiktskondisjoneringseffekter innenfor SDXL-rammeverket, rettet mot oppgaver for høy-kvalitets bildegenerering.
Velg din foretrukne FaceID eller FaceID Plus-modell for å starte med å lage bildene dine. Innen innstillingene finner du alternativer for å justere både vektene og støyen. Disse justeringene er nøkkelen til å finjustere utseendet til de genererte bildene dine, slik at du kan oppnå det presise utseendet du søker.
Når du bruker IPAdapter FaceID-noder, behandler CLIP vision-modellen referansebildet ditt ved å endre størrelse og sentrere det til en dimensjon på 224x224 piksler. Denne automatiske justeringen fokuserer på bildets sentrum, noe som gjør det viktig at hovedmotivet i bildet ditt, som et karakteransikt, er plassert sentralt. Hvis motivet er utenfor sentrum, spesielt i portrett- eller landskapsbilder, kan resultatene kanskje ikke møte dine forventninger. For best resultat, anbefales det sterkt å bruke kvadratiske bilder med motivet sentrert.
© Opphavsrett 2024 RunComfy. Alle Rettigheter Forbeholdt.