IPAdapter V1 FaceID Plus | Konsistente Karakterer

1. Konsistent Karakter Arbeidsflyt

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.

2. Oversikt over IPAdapter FaceID/FaceID Plus

v1.5 FaceID

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.

v1.5 FaceID Plus

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.

v1.5 FaceID Plus v2

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.

v1.5 FaceID Portrait

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 FaceID

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.

SDXL FaceID Plus v2

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.

3. Hvordan bruke IPAdapter FaceID/FaceID Plus

3.1. Velg FaceID/FaceID Plus-modell

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.

3.2. Forberede referansebildet

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.