WZRY_雅典娜_执弈定局单图炼制， network_dim=128, 文件较大)<h2>使用说明</h2><h3>一、模型局限</h3>本 LoRA 基于单张图片训练，因此可能存在一定程度的过拟合，常见表现包括：<ul><li>容易复现训练图中的原始构图、裁剪方式和人物姿态；</li><li>可能生成局部身体部位、局部裁切画面；</li><li>对训练图中未出现的元素、视角和构图，不保证能够保持一致性。</li></ul>例如：<ul><li>如果训练图不是全身图，且没有出现鞋子，则无法保证生成结果中的鞋子与角色设定一致；</li><li>如果训练图只有正面视角，则无法保证背面或侧面视角的一致性；</li><li>对训练图中未展示的服装细节、身体部位或配饰，也可能出现随机补全或细节偏差。</li></ul>通过后文介绍的几种方法，可以提升生成不同视角、构图和姿态的能力，但无法保证每次都能稳定实现。<hr /><h2>模型与参数建议</h2><h3>推荐底模</h3><ul><li><code>wai_illu_V16</code></li></ul>暂未测试其他底模，使用其他模型时的效果无法保证。<h3>推荐采样参数</h3>可参考以下组合：<ul><li><code>Euler + simple</code>，CFG：<code>5–7</code></li><li><code>DPM++ 2M + beta</code>，CFG：<code>4–6</code></li></ul>具体参数可根据画面质量、角色还原度和 LoRA 权重进行调整。<hr /><h2>提示词编写建议</h2>为了减少模型直接复现训练图姿态或构图的情况，建议在提示词中明确描述以下内容。<h3 id="1.">1. 明确人物姿态</h3>需要主动描述人物的整体动作，以及手臂、腿部等局部姿态。否则模型很可能默认生成与训练图相近的姿势。整体姿态示例：<ul><li><code>sitting</code></li><li><code>standing</code></li><li><code>walking</code></li><li><code>jumping</code></li><li><code>lying</code></li><li><code>kneeling</code></li></ul>手臂和腿部姿态示例：<ul><li><code>arms up</code></li><li><code>crossed arms</code></li><li><code>arms behind back</code></li><li><code>legs apart</code></li><li><code>crossed legs</code></li><li><code>spread legs</code></li></ul>建议尽量使用具体、明确的动作描述，而不是只写一个笼统的姿态词。<h3 id="2.">2. 明确画面中出现的身体部位</h3>不要只写 <code>1girl</code>。建议根据构图范围，明确描述画面中需要出现的部位，以降低局部裁切、身体缺失或构图失控的概率。全身构图<pre><code>full body, head, hair, shoulders, arms, hands, chest, waist, thighs, legs, feet, shoes</code></pre>上半身构图<pre><code>upper body, head, hair, shoulders, arms, hands, chest, waist</code></pre>牛仔镜头<pre><code>cowboy shot, head, hair, shoulders, arms, hands, chest, waist, thighs</code></pre>肖像或面部特写<pre><code>portrait, head, hair, eyes, detailed face</code></pre>可根据实际需要增减身体部位，但建议保证描述与目标构图一致。<h3 id="3.">3. 补充场景与环境</h3>加入环境描述，有助于减少模型对训练图背景和原始构图的依赖。例如：<ul><li><code>indoor</code></li><li><code>outdoor</code></li><li><code>street</code></li><li><code>nature</code></li><li><code>room</code></li><li><code>city</code></li><li><code>forest</code></li></ul>还可以继续补充光线、时间、镜头和背景信息，使画面目标更加明确。<hr /><h2 id="lora">LoRA 权重调整建议</h2>如果生成结果过于接近训练图，或者姿态、构图难以改变，可以尝试降低 LoRA 权重。权重降低后，角色还原度可能有所下降，但通常能够提高姿态、视角和构图的自由度。建议在角色一致性与画面变化能力之间进行平衡。<hr /><h2>进阶控制方法</h2><h3 id="1.-lora-block-weight">1. 使用 LoRA Block Weight</h3>可以通过 LoRA Block Weight 对不同层进行分层控制。建议尝试降低以下层的权重：<ul><li><code>OUT0</code></li><li><code>IN8</code></li></ul>这种方法可能有助于减少训练图构图和局部特征对生成结果的限制。具体数值需要根据实际效果进行测试。<h3 id="2.-lora">2. 分阶段调整 LoRA 强度</h3>也可以在不同采样阶段使用不同的 LoRA 强度。例如：<ul><li>前 20% 的采样步骤使用 <code>0.5</code> 强度；</li><li>后续采样步骤恢复到 <code>1.0</code> 强度。</li></ul>这种方式可以让生成前期保留更多构图和姿态自由度，再在后期加强角色特征。可使用以下节点实现：<a target="_blank" rel="ugc" href="https://github.com/PROJECTMAD/PROJECT-MAD-NODES.git">https://github.com/PROJECTMAD/PROJECT-MAD-NODES.git</a><hr /><h2>工作流下载</h2>样品图中已经包含对应工作流，也可以从以下页面下载：<a target="_blank" rel="ugc" href="https://civarchive.com/models/2750999/lora-step">https://civarchive.com/models/2750999/lora-step</a>

Files with SHA256: 2abf747c4ccfc6dbba78c3c2a6f7280288066047b4eff73486d8a8d209e65836