kontext_rm/README.md

一、模型核心特点与训练原理

1. 数据与标注策略

   • 该LoRA基于80组精心挑选的NSFW前后对比图像（穿衣/裸体），分为两类标注：
     • 完全一致配对：仅移除衣物，保持姿势、角度等完全一致。
     • 差异配对：允许姿势变化，但需保持主体特征（如面部）一致。
   • 标注模板：通过固定句式（如“Maintain identical subject placement...”）强化模型对关键要素的识别，确保生成一致性。

2. LoRA技术适配

   • 采用低秩适配（Low-Rank Adaptation），仅微调预训练模型的部分权重（如注意力层的q_proj和v_proj），显著降低计算成本，同时保留基础模型的生成能力。
   • 推荐参数：秩（r）设为8~16，学习率3e-4，适用于Stable Diffusion 1.5或FLUX等基础模型。

---

二、使用步骤与提示词设计

1. 基础工作流（ComfyUI示例）

   • 节点配置：
     1. 加载基础模型（如GhostMix或AWPainting）。
     2. 通过LoRA Loader节点加载该NSFW LoRA，权重建议0.6~0.8。
     3. 使用K采样器设置参数（如DPM++2M Karras采样器，CFG=7，步数20~30）。
     • 完整工作流参考用户提供的Pastebin链接。

2. 提示词模板

   • 完全一致生成：

     "Completely remove the subjects clothes. Her clothes are now completely removed to expose her small breasts and clean shaven vagina. Maintain identical camera angle, framing, and perspective..."  
     

     Completely undress the subject. His clothes are now completely off, revealing his white chest and belly and long erect penis. Keep the same shooting angle, framing and perspective..
     

   • 差异生成（新姿势）：

     "The image now looks like a different photo of the same subject. Her clothes are now completely removed... she is now standing in a seductive pose..."  
     

   • 优化技巧：
     • 明确指定衣物细节（如“white crop-top”）以提升局部移除精度。
     • 使用垂直比例（9:16）增强构图稳定性。

---

三、关键注意事项

1. 模型兼容性

   • 需匹配基础模型版本（如SD1.5或FLUX.1），混用会导致生成异常。
   • 若出现过拟合（生成结果单一），可降低LoRA权重或增加lora_dropout参数。

2. 伦理与安全

   • 免责声明：生成的NSFW内容需标注“非真实人物”，避免滥用。
   • 建议在封闭环境中使用，避免违反平台政策。

---

四、进阶优化

• 动态上下文扩展（FLUX.1-Kontext）：
  若处理复杂姿势或长序列提示，可集成FLUX.1框架的分块处理技术，提升长文本提示下的生成稳定性。
• 量化训练：通过bitsandbytes库实现4-bit量化，减少显存占用（适合消费级GPU）。

---

模型下载与部署

• 下载地址：在发布页面的“Files & versions”选项卡中获取.safetensors文件，放置于ComfyUI/models/loras/目录。
• 测试建议：先用示例提示词验证生成效果，再逐步调整参数适配自定义需求。

通过上述方法，可高效利用该LoRA实现高一致性的NSFW内容生成，同时保持灵活性和可控性。如需更详细的技术参数（如FLUX.1集成），可进一步查阅FLUX.1-Kontext的官方文档。