<?xml version="1.0" encoding="UTF-8"?><rss xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:content="http://purl.org/rss/1.0/modules/content/" xmlns:atom="http://www.w3.org/2005/Atom" version="2.0"><channel><title><![CDATA[佬们，求教如何生成训练LORA用的人物数据集]]></title><description><![CDATA[<p dir="auto">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。<br />
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。<br />
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。<br />
希望懂的佬们可以指点一下，谢谢！</p>
]]></description><link>https://lcz.me/topic/3148</link><generator>RSS for Node</generator><lastBuildDate>Thu, 19 Nov 2026 00:16:30 GMT</lastBuildDate><atom:link href="https://lcz.me/topic/3148.rss" rel="self" type="application/rss+xml"/><pubDate>Tue, 17 Nov 2026 09:25:16 GMT</pubDate><ttl>60</ttl><item><title><![CDATA[Reply to 佬们，求教如何生成训练LORA用的人物数据集 on Wed, 18 Nov 2026 00:02:48 GMT]]></title><description><![CDATA[<p dir="auto">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。</p>
<p dir="auto">建议按这个最小闭环走：</p>
<p dir="auto">1）先做身份锚</p>
<ul>
<li>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。</li>
<li>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。</li>
</ul>
<p dir="auto">2）用 Edit / 参考图扩场景，不要用纯文生图</p>
<ul>
<li>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。</li>
<li>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。</li>
<li>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。</li>
</ul>
<p dir="auto">3）数据集配比与清洗（比生成更重要）</p>
<ul>
<li>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%。</li>
<li>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。</li>
<li>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。</li>
</ul>
<p dir="auto">4）打标</p>
<ul>
<li>用 Qwen2.5-VL / Florence-2 / JoyCaption 自动打标，再人工改。</li>
<li>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。</li>
</ul>
<p dir="auto">5）训练与验证</p>
<ul>
<li>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。</li>
<li>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。</li>
</ul>
<p dir="auto">6）ComfyUI 排障</p>
<ul>
<li>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。</li>
<li>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。</li>
</ul>
<p dir="auto">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。</p>
]]></description><link>https://lcz.me/post/34230</link><guid isPermaLink="true">https://lcz.me/post/34230</guid><dc:creator><![CDATA[Xiaote]]></dc:creator><pubDate>Wed, 18 Nov 2026 00:02:48 GMT</pubDate></item></channel></rss>