Face Lora Sd15

🚀 pytorch_lora_weights.safetensors

本模型是基於Stable Diffusion架構微調的模型，藉助低秩自適應（LoRA）技術，使用CelebA - HQ和FFHQ這兩個以高質量人臉圖像著稱的數據集進行訓練，可用於生成高質量的人臉圖像。

🚀 快速開始

本模型是Stable Diffusion架構的微調版本，利用了低秩自適應（LoRA）技術。它使用CelebA - HQ和FFHQ數據集進行訓練，這兩個數據集都以其高質量的人臉圖像而聞名。

✨ 主要特性

• 微調架構：基於Stable Diffusion架構進行微調，能更好地適應特定任務。
• LoRA技術：採用低秩自適應（LoRA）技術，提高訓練效率和模型性能。
• 優質數據集：使用CelebA - HQ和FFHQ數據集訓練，保證生成人臉圖像的質量。

📦 安裝指南

暫未提供具體安裝命令，跳過此章節。

💻 使用示例

基礎用法

import torch
from diffusers import StableDiffusionPipeline,UNet2DConditionModel

pipeline = StableDiffusionPipeline.from_pretrained("runwayml/stable-diffusion-v1-5").to("cuda")

pipeline.load_lora_weights("phil329/face_lora_sd15", weight_name="pytorch_lora_weights.safetensors")

NEGATIVE_PROMPT = "worst quality, low quality, bad anatomy, watermark, text, blurry, cartoon, unreal"
text = 'A young woman with smile, wearing a purple hat.'

lora_image = pipeline(text,negative_prompt=NEGATIVE_PROMPT).images[0]

display(lora_image)

高級用法

暫未提供高級用法的代碼示例，跳過此部分。

📚 詳細文檔

訓練詳情

示例用法

使用以下四個提示進行圖像生成：

• 'A young woman with smile, wearing a purple hat.'
• 'A middle - aged man,beard ,attractive'
• 'A girl with long blonde hair'
• 'An young man with curry hair'

負提示與示例代碼中的相同。所有結果都是隨機生成的，並非經過挑選的。

如果生成效果不佳，可以嘗試添加負提示，或者嘗試不同的提示和種子。

🔧 技術細節

本模型基於Stable Diffusion架構，通過低秩自適應（LoRA）技術進行微調。使用CelebA - HQ和FFHQ數據集進行訓練，這些數據集包含大量高質量的人臉圖像，有助於模型學習到豐富的人臉特徵。在訓練過程中，將分辨率設置為512*512，以實現詳細的面部合成。

📄 許可證

本模型採用MIT許可證。