Flux Ghibli Art LoRA

🚀 クイックスタート

このセクションでは、Flux-Ghibli-Art-LoRAモデルを使用するための基本的な手順を説明します。

モデルのセットアップ

import torch
from pipelines import DiffusionPipeline

base_model = "black-forest-labs/FLUX.1-dev"
pipe = DiffusionPipeline.from_pretrained(base_model, torch_dtype=torch.bfloat16)

lora_repo = "strangerzonehf/Flux-Ghibli-Art-LoRA"
trigger_word = "Ghibli Art"  
pipe.load_lora_weights(lora_repo)

device = torch.device("cuda")
pipe.to(device)

画像生成のトリガーワード

画像生成をトリガーするには、Ghibli Art を使用する必要があります。

✨ 主な機能

• 多様なシーン再現：様々なシーンのジブリアートスタイルの画像を生成できます。
• 最適な設定提供：最適な画像生成のためのパラメータや推論範囲を提供します。

📦 インストール

このモデルを使用するには、上記のセットアップコードを実行する必要があります。必要なライブラリをインストールし、モデルを読み込んでください。

💻 使用例

基本的な使用法

import torch
from pipelines import DiffusionPipeline

base_model = "black-forest-labs/FLUX.1-dev"
pipe = DiffusionPipeline.from_pretrained(base_model, torch_dtype=torch.bfloat16)

lora_repo = "strangerzonehf/Flux-Ghibli-Art-LoRA"
trigger_word = "Ghibli Art"  
pipe.load_lora_weights(lora_repo)

device = torch.device("cuda")
pipe.to(device)

高度な使用法

# 推論範囲を考慮した画像生成
prompt = "Ghibli Art, a beautiful sunset over the ocean"
image = pipe(prompt, num_inference_steps=32).images[0]
image.show()

📚 ドキュメント

モデルの説明

画像処理パラメータ

ラベリング

florence2-en(自然言語 & 英語)

トレーニングに使用された総画像数

20

最適なサイズと推論

推論範囲

• 推奨推論ステップ数: 30–35

🔧 技術詳細

このモデルは、black-forest-labs/FLUX.1-dev をベースモデルとして使用し、LoRA技術を用いてジブリアートスタイルを学習しています。トレーニングには20枚の画像が使用され、特定のパラメータ設定により最適な画像生成を実現しています。

📄 ライセンス

このモデルは openrail ライセンスの下で提供されています。

モデルのダウンロード

このモデルの重みはSafetensors形式で利用可能です。 こちら からFiles & versionsタブでダウンロードできます。