Detta arbetsflöde handlar om att skapa karaktärer med ett konsekvent utseende, med hjälp av IPAdapter Face Plus V2-modellen. Börja enkelt med att ladda upp några referensbilder, och låt sedan Face Plus V2-modellen göra sitt magiska arbete genom att skapa en serie bilder som bibehåller samma ansiktsdrag. Känn dig fri att variera med olika checkpoints eller LoRA-modeller för att utforska en mängd olika stilar, allt medan du håller din karaktärs utseende konsekvent.
Denna modell är basversionen för ansiktsigenkänning, möjliggör variationer förstärkta av textpromptar, kontrollnät och masker. Den är känd för sin genomsnittliga styrka i konditionering, vilket gör den lämplig för allmänna uppgifter inom ansiktskonditionering. Basmodellen FaceID använder inte en CLIP vision encoder, vilket innebär en enklare uppsättning utan behov av komplexa encoder-konfigurationer.
FaceID Plus-modellen är en kraftfullare variant, designad för starkare bild-till-bild konditioneringseffekter. Den kräver användning av ViT-H image encoder, vilket indikerar behovet av högre bearbetningskapacitet för detaljerad ansiktsmodellering.
En iteration över FaceID Plus, denna modell introducerar förbättringar för ännu mer detaljerad ansiktskonditionering. Likt FaceID Plus, använder den ViT-H image encoder. Denna modell syftar till att erbjuda ökad kvalitet i ansiktsmodellering, för att tillgodose mer nyanserade krav.
Designad specifikt för porträtt, använder denna modell inte en CLIP vision encoder. Den fokuserar på att generera högkvalitativa ansiktsbilder i porträttinställningar, vilket potentiellt erbjuder ett specialiserat tillvägagångssätt för porträttbildgenerering.
SDXL-varianten av FaceID är skräddarsydd för användning med SDXL-arkitekturen, och använder inte en CLIP vision encoder. Den representerar en basmodell inom SDXL-sviten, designad för skalbara djupinlärningsarkitekturer, med fokus på ansiktsigenkänningsuppgifter.
Detta är en starkare version av FaceID-modellen för SDXL-arkitekturen, som använder ViT-H image encoder. Den är designad för att erbjuda förbättrade ansiktskonditioneringseffekter inom SDXL-ramverket, med målet att generera högkvalitativa bilder.
Välj din föredragna FaceID eller FaceID Plus-modell för att börja skapa dina bilder. Inom inställningarna hittar du alternativ för att justera både vikter och brus. Dessa justeringar är nyckeln till att finjustera utseendet på dina genererade bilder, vilket låter dig uppnå det exakta utseendet du strävar efter.
När du använder IPAdapter FaceID-noder, bearbetar CLIP vision-modellen din referensbild genom att ändra storlek och centrera den till en dimension på 224x224 pixlar. Denna automatiska justering fokuserar på bildens centrum, vilket gör det avgörande att huvudmotivet i din bild, som en karaktärs ansikte, är placerat centralt. Om motivet är off-center, särskilt i porträtt- eller landskapsbilder, kanske resultaten inte motsvarar dina förväntningar. För bästa resultat rekommenderas starkt att använda fyrkantiga bilder med motivet centrerat.
© Copyright 2024 RunComfy. Alla Rättigheter Förbehållna.