图片高清修复/细节恢复Klein LoRA旨在保持多幅输入图像之间的图像一致性。可通过 LoRa 信号强度控制 LoRa 信号，下载包含Flux.2 Klein 4B-base和Flux.2 Klein 9B-base两个版本
关于4B版本
该 Lora 的灵感来源于字节跳动Heilos 的简易防漂移方法。
我实现了帧感知损坏（参考潜在损坏）潜在和颜色统计损失。
此外，我还使用了频率分割数据集，该数据集是通过将图像转换为频域并将其分割成高频图像和低频图像而创建的。
参考：低频图像、高频图像（高频图像的丢包率为0.8）
目标：干净的图像
llr: 2e-4
scheduler: cosine
optimizer: adamw8bit
steps: 6000
建议提示：
{编辑提示词}. Transform the image to realistic photograph. add realistic details to the corrupted image. restore high frequence details from the corrupted image.
建议强度：
0.5-0.7
基于 4B 基模训练。此 LoRa 旨在保持多幅输入图像之间的图像一致性。可通过 LoRa 信号强度控制 LoRa 信号。
更强的实力意味着更高的稳定性，但也会削弱编辑能力。
不同的图像可能需要不同的最佳 LoRa 信号强度。
关于9B版本
建议提示：
restore image details
基于 9B 数据集训练。此 LoRa 旨在保持多幅输入图像之间的图像一致性。可通过 LoRa 信号强度控制 LoRa 信号。
建议strength：0.2~1.5
可与任何提示配合使用。
更强的实力意味着更高的稳定性，但也会削弱编辑能力。
不同的图像可能需要不同的最佳 LoRa 信号强度。
作品参照
同类合集
