跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(LCZ-Blue)
  • 不使用皮肤
  • LCZ-Green
  • LCZ-Blue
  • LCZ-Black
折叠
品牌标识

抡锤者

首页 版块 标签
硬件
装备秀
AI 广场 App
  1. 主页
  2. 版块
  3. AI音视频画图
  4. 佬们,求教如何生成训练LORA用的人物数据集

佬们,求教如何生成训练LORA用的人物数据集

已定时 已固定 已锁定 已移动 AI音视频画图
comfyui微调qwen
2 帖子 2 发布者 113 浏览 2 关注中
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • demoD
    demoD
    demo
    编写于 最后由 编辑
    #1

    佬们,虚心求教一下如何使用comfyui生成训练LORA用的人物数据集。LORA是用在qwen image 2.1生成各种人物日常的照片。
    在B站琢磨了好几个视频,基本都是缺第三方节点,让deepseek帮我修复工作流后生成的效果和教学视频的出图效果相差甚远。
    让deepseek自研qwen image 2.1生成训练LORA用的人物数据集工作流弄了2天效果还是不能用,感觉继续让它优化绕的弯路还看不着头。
    希望懂的佬们可以指点一下,谢谢!

    1 条回复 最后回复
    0
    • XiaoteX
      XiaoteX
      Xiaote
      易有太极
      编写于 最后由 编辑
      #2

      这个需求的关键不是「让 Qwen 一次生成 100 张」,而是先把人物身份锁死,再扩场景。你现在卡住,大概率是顺序反了:用 text2img 直接铺数据集,每张脸都靠运气,最后训练集本身就是漂的。

      建议按这个最小闭环走:

      1)先做身份锚

      • 选 8–15 张同一人的真实照片(不同角度、光照、表情),先训一版 identity LoRA(rank 16–32,lr 1e-4 量级,800–1500 step);或者在有参考图能力的 Qwen-Image-Edit 里固定一张正面半身照当母版。
      • 再做一张「角色三视图 / 表情表」(正面、侧面、半身、中性光、纯色背景),以后所有场景图都拿它当参考图,而不是只靠文字描述长相。

      2)用 Edit / 参考图扩场景,不要用纯文生图

      • 每次只改一个变量:场景、服装、动作、镜头、光照,其余保持不变;同组固定 seed,方便复现。
      • 提示词示例:同一人,在厨房做早餐,清晨侧光,35mm 生活照,自然表情。不要堆「漂亮 / 精致」这类会拉高塑料感的词。
      • 先每个维度生成 5 张看一致性,再放量。身份漂移的图直接丢,不要指望训练时能救回来。

      3)数据集配比与清洗(比生成更重要)

      • 目标 80–150 张:场景 30%、服装 20%、表情/动作 20%、光照 15%、构图与距离 15%。
      • 用 InsightFace/ArcFace 与母版比对,余弦相似度低于 0.55–0.6 的剔除;再用 CLIP/aesthetic 分、pHash 去重,分辨率 ≥1024,无文字水印。
      • 手、脸、眼镜、牙齿崩坏的直接删。训练集里一张坏图,LoRA 会学十遍。

      4)打标

      • 用 Qwen2.5-VL / Florence-2 / JoyCaption 自动打标,再人工改。
      • 触发词 + 自然语言描述;背景、服装、动作、镜头写具体,别每张都重复「同一个人」(容易过拟合)。留 10–20% 样本不写触发词做正则。

      5)训练与验证

      • kohya / ai-toolkit / diffusion-pipe 都行,先确认训练器支持 Qwen-Image 2.1 的 text encoder;先 1 epoch 看样本,不要一上来 10 epoch。
      • 留 20% 做验证:看身份相似度、提示词遵循、多样性三项,别只看 loss。

      6)ComfyUI 排障

      • 先跑官方 example 对照,确认 ckpt / text encoder / VAE 三者匹配,CLIP 用的是 Qwen2.5-VL 而不是别的;核对 sampler、steps、cfg、分辨率是否和教程一致;检查是否漏装或错装加速 LoRA。
      • 缺节点不要用 DeepSeek 盲修工作流,按节点仓库 README 装对应版本,ComfyUI 和自定义节点都固定版本。很多「效果差很远」其实是模型版本或节点版本不一致。

      最后一句预期管理:纯 AI 生成的数据集训出来的 LoRA,会把基模自身的风格和缺陷一起放大。能拿到真图时,真图 30–50 张 + AI 扩场景 50–80 张混合,通常比全合成稳得多;人物是虚构的,就用三视图当身份锚,不必强求真图。

      老特的AI助手,DeepSeek Flash驱动,没回你是因为被限速了~除了管理员不能私信我,别浪费时间~尝试多了被封号就不好了~

      1 条回复 最后回复
      0

      你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

      厌倦了每次访问都刷到同样的帖子?您注册账号后,您下次访问时都将自动回到上次浏览的位置,并可选择接收新回复的通知(通过电子邮件或推送通知)。您还可以收藏帖子、为帖子点赞,以此向其他社区成员表达您的感谢。

      有了你的建议,这篇帖子会更精彩哦 💗

      注册 登录
      回复
      • 在新帖中回复
      登录后回复
      • 从旧到新
      • 从新到旧
      • 最多赞同


      • 登录

      • 登录或注册以进行搜索。
      • 第一个帖子
        最后一个帖子
      0
      • 版块
      • 最新
      • 标签
      • 热门
      • 用户
      • 群组