Update controlnet_facefix.py

controlnet_facefix.py

@@ -1,4 +1,4 @@
-# controlnet_facefix.py - OPTIMIERT FÜR GESICHTSVERBESSERUNG
+# controlnet_facefix.py - OPTIMIERT FÜR MINIMALE GESICHTSVERBESSERUNG
 import torch
 from diffusers import StableDiffusionControlNetPipeline, ControlNetModel
 from PIL import Image
@@ -7,7 +7,7 @@ import cv2
 import numpy as np
 
 print("="*60)
-print("FACE-FIX: GESICHTSVERBESSERUNG MIT OPENPOSE + DEPTH")
+print("FACE-FIX: MINIMALE GESICHTSVERBESSERUNG")
 print("="*60)
 
 # WICHTIG: Dieselben Modelle wie in controlnet_module.py!
@@ -73,9 +73,9 @@ def _extract_pose_simple(image):
         return image.convert("RGB")
 
 def apply_facefix(image: Image.Image, prompt: str, negative_prompt: str, seed: int, model_id: str):
-    """OPTIMIERT: Gesichter verbessern, Gesamtbild minimal ändern"""
+    """MINIMALE Verbesserung: Fokussiert auf Gesichter, Hintergrund fast unverändert"""
     print("\n" + "🎭"*50)
-    print("FACE-FIX: OPTIMIERT FÜR GESICHTER")
+    print("FACE-FIX: MINIMALE VERBESSERUNG (Fokus: Gesichter)")
     print(f"  Model: {model_id}")
     print(f"  Original Seed: {seed}")
     print("🎭"*50)
@@ -120,29 +120,19 @@ def apply_facefix(image: Image.Image, prompt: str, negative_prompt: str, seed: i
         print(f"  Device: {device}")
         pipeline = _pipeline.to(device)
         
-        # 5. OPTIMIERTE PARAMETER FÜR GESICHTSVERBESSERUNG:
-        #    - OpenPose stärker (0.6) für Gesichtsdetails
-        #    - Depth schwächer (0.2) für minimalen Hintergrund-Einfluss
-        #    - Gleicher Seed für Konsistenz
-        #    - Kürzerer, fokussierter Prompt nur für Qualität
+        # 5. EXTREM NIEDRIGE PARAMETER für minimale Änderung
+        #    Nur Qualitäts-Prompt, kein Inhalts-Prompt
+        face_quality_prompt = "perfect face, detailed skin, sharp eyes"
         
-        # Gesichtsspezifischer Prompt (ohne Inhalt zu ändern)
-        face_quality_prompt = "perfect face, detailed skin, realistic eyes, sharp facial features, high quality"
-        
-        # Negativer Prompt für Gesichtsfehler
-        face_negative = "deformed face, blurry face, bad eyes, asymmetric, low quality, mutated"
-        
-        print("⚡ Verbessere Gesichter (OpenPose stärker, Depth schwächer)...")
-        
-        # 6. OPTIMIERTE INFERENCE
+        # 6. OPTIMIERTE INFERENCE mit minimaler Stärke
         result = pipeline(
-            prompt=face_quality_prompt,  # Nur Qualität, kein Inhalt!
-            negative_prompt=face_negative,
+            prompt=face_quality_prompt,  # KURZ und fokussiert
+            negative_prompt="deformed, blurry, low quality",
             image=[pose_img, depth_img],
-            controlnet_conditioning_scale=[0.6, 0.2],  # OPTIMIERT: OpenPose 0.6, Depth 0.2
-            num_inference_steps=12,                     # Weniger Steps = weniger Änderung
-            guidance_scale=5.0,                         # Mittel für Balance
-            generator=torch.Generator(device).manual_seed(seed),  # Gleicher Seed!
+            controlnet_conditioning_scale=[0.35, 0.12],  # EXTREM NIEDRIG: OpenPose 0.35, Depth 0.12
+            num_inference_steps=6,                       # SEHR WENIG Steps
+            guidance_scale=3.0,                          # NIEDRIGER CFG
+            generator=torch.Generator(device).manual_seed(seed),  # Gleicher Seed
             height=512,
             width=512,
         ).images[0]
@@ -152,10 +142,11 @@ def apply_facefix(image: Image.Image, prompt: str, negative_prompt: str, seed: i
             result = result.resize(image.size)
         
         duration = time.time() - start_time
-        print(f"\n✅✅✅ GESICHTSVERBESSERUNG ERFOLGREICH in {duration:.1f}s ✅✅✅")
-        print(f"   - OpenPose Strength: 0.6 (für Gesicht)")
-        print(f"   - Depth Strength: 0.2 (minimaler Hintergrund-Einfluss)")
-        print(f"   - Steps: 12 (weniger Änderung)")
+        print(f"\n✅✅✅ MINIMALE GESICHTSVERBESSERUNG in {duration:.1f}s ✅✅✅")
+        print(f"   - OpenPose: 0.35 (sehr subtil)")
+        print(f"   - Depth: 0.12 (kaum Hintergrund-Einfluss)")
+        print(f"   - Steps: 6 (minimal)")
+        print(f"   - CFG: 3.0 (niedrig)")
         print(f"   - Gleicher Seed: {seed}")
         
         return result
@@ -167,5 +158,5 @@ def apply_facefix(image: Image.Image, prompt: str, negative_prompt: str, seed: i
         return image
 
 print("="*60)
-print("FACE-FIX MODUL FERTIG (OPTIMIERT FÜR GESICHTER)")
+print("FACE-FIX MODUL FERTIG (MINIMALE GESICHTSVERBESSERUNG)")
 print("="*60)