| 作者： | LEOSAM |
| 最后更新： | 2023年7月14日 |
| 文件类型： | LORA |
| 基本模型： | SD 1.5 |
| tag标签： | 工具 衣服 服装 服饰 调节器 |
| 模型版本： | ClothingAdjuster 3.0 |
使用介绍
这是一个调节所绘制对象衣物多少的功能性LoRA。通过将LoRA权重从-1.0调节至1.0，可以实现绘制对象衣物的逐步减少。
如何制作与封面示意图类似的gif：
SD 文生图界面下方”脚本”的 “XYZ plot” 里有个“提示词搜索/替换”的选项。可以使用这个功能，以固定间隔从-1 到 1，改变lora模型使用权重。然后SD就可以依次同一提示词下、lora权重渐变的一系列图像。得到这些图像后，可使用ffmpeg工具包或者其他 gif 制作工具，将这些图像制作成 gif 动图。
建议使用controlnet中的openpose功能来固定人物姿态。如果你想进一步固定背景，则需要使用inpaint功能。
如何制作与“Clothing +/- Adjuster”类似的LoRA：
本模型受青龙大佬在此视频中所介绍的第一种方法“复印学习法”启发。我进行了一些改进以实现多张图情况下的批量训练。具体的步骤如下：
步骤一：挑选N组不同人物的状态A与状态B对比图片，并形成状态A图像训练集与状态B图像训练集。保证相同人物的状态A与状态B两张图片的文件名相同。
步骤二：对状态A训练集添加txt标签，每个图片只打一个可以区分不同人物的特殊词汇标签。比如有10个人物，那就给每个人物从jinitaimei1至jinitaimei10分配各自的标签。然后将状态A训练集的所有标签复制粘贴进状态B图像训练集中。
步骤三：选择与训练集画风相近的底模C，使用状态A图像训练集进行Lora训练直至模型过拟合，输入人物N的对应标签后，只能生成人物N的状态A照片。
步骤四：将训练得到的过拟合LoRA模型以1.0的比例融合进底模C中（更新：经进一步测试，勾选上same to strength效果会更好），然后用状态B图像训练集基于新底模进行Lora训练。该训练过程不一定要训练至严重过拟合，可以选择LoRA过程文件进行AI绘图测试，只要能通过调节权重，实现状态A至状态B的过渡即可。（更新：经进一步测试，甜蜜点大概在每张图片400在800步范围内）
步骤五：如果训练的LoRA所涉及场景较复杂，在高权重下会出现过拟合的情况。有两种改良的建议：一是进行LoRA分层调节，降低LoRA中与A/B状态切换无关的层数的权重；二是压缩LoRA的维度，比如从64压缩至4。
