每天学会一种工作流

今天要学的是AI服装模特LORA训练法。

选择衣服图片

首先，到电商平台选择一件衣服，并将其地图复制下来。图片分辨率一定要选择高的，没有多余的背景。图片质量对LORA效果的影响达到40%。

打标签

然后，使用标签器给图片打上标签。在人工精准打标时，我们对还原性要求很高。

训练参数影响最终效果的20%,可以直接照抄成熟案例，到C站这类的模型网站找到和你类型一样的LORA并下载下来。这个就是训练同一件衣服的参数，可以直接照抄。

如果看不懂，也没关系，可以直接丢给CHATGPT让它帮你提炼。如果他的训练图片数量和你的差别很大，你只需要再找找其他的成熟案例。

填写参数

填好参数后，只需12分钟就能出货。下一步是找到最好的LORA种子和它的权重，将LORA放到相应文件夹中，在additional networks中启用它，然后刷新模型列表。

选择模型脚本

随便选一个模型脚本，选择XYZ图表，X轴选择附加模型，一点黄色笔记本载入LORA。删掉不需要的Y轴权重，将其改为0.1到1之间的值。

改变一个提示词的颜色来验证泛化性，例如将黑色T恤改成白色T恤。出图后，直接到最后一个变成白色T恤的地方，选择更像原图的结果。这里我选择了2号种子和0.8权重，我给它的还原性打了九分。

填入玄学参数

下一步是填入我的玄学参数，一个是分层参数，一个是调节阴影的功能性。LORA最后只要找到最好的质感，游戏就能结束。CFG只会影响颜色的深浅和折叠纹理的多与少。CFG测试范围为0.3到7，找到一个质感最像的结果。

再提醒一下，如果你觉得质感还是差很多，你就要换一个大模型。如果颜色还是不对，你可以通过提示词打颜色标签进行微调。如果还不行，你难道不知道可以用PS给它改一改颜色吗？

学习电商模特换装的工作流程

我们介绍了电商衣服的LORA工作流程。但是，要从LORA到产出一张可用的图片还有一段距离。

目标图片需满足的两个需求

我们的目标图片应该满足电商的两个需求。
– 第一，还原性至少要达到90%以上，没有明显的色差和细节错误。
– 第二，照片能够凸显商品的特点。

调整参数以提高优图率

我们上次调好LORA后，直接批量出了十张图片。我们可以看到它们的泛用性和裤子的造型已经可以使用了。但是与我们的泥巴黄牛仔裤相比，还是存在很大的色差，只有第二张图是正确的。所以我们还需要继续微调，提高一下优图率。

我一般会微调三个参数，分别是CFG值、Noise offset和Add detail。让我们先看看它们的作用。

• CFG值：影响特征的密度，CFG值越高，出现褶皱越多，对比度越高。
• Noise offset：用于调节对比度和明暗关系，我个人习惯用它来调节颜色，相当于一个深色和淡色的调节器。
• Add detail：调节细节，我一般用它来调节衣服的质感，还原衣服的纹理。

调整完成后的处理

调整完成后，按照需求补全提示词，空出最后一行写不同的场景，调用不同的大模型来批量出图。然后看看效果，选择你满意的图片后，可以使用固定种子进行微调或者局部重绘。

up：三面君