### **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。