LEOSAM's 衣物增/减Clothing +/- Adjuster LoRA

🌍我的SDXL写实大模型"HelloWorld新世界"现已正式在Civitai发布（https://civitai.com/models/43977/leosams-helloworld-sdxl-model-historical-version-moonfilm-and-moonmix-sd15-model），欢迎大家体验与反馈！

最近新建了一个SDXL模型和绘画作品的**交流群：835297318（入群答案：兔狲）。已经开始使用/制作SDXL模型，或者对SDXL版本很感兴趣的朋友，欢迎******！希望能和大家在群里一起交流使用体验、发掘SDXL的更多潜力！

🤝如您有模型定制或其他合作需求，请联系微信: 13439222668。请简单注明来意，时间宝贵不闲聊哈，谢谢理解！

📖这是一个调节所绘制对象衣物多少的功能性LoRA。通过将LoRA权重从-1.0调节至1.0，可以实现绘制对象衣物的逐步减少。本模型在生成竖图时效果最好。

本模型受青龙大佬介绍差异炼丹法时所介绍的第一种方法“复印学习法”启发。我进行了一些改进以实现多张图情况下的批量训练。具体的步骤如下：

步骤一：挑选N组不同人物的状态A与状态B对比图片，并形成状态A图像训练集与状态B图像训练集。保证相同人物的状态A与状态B两张图片的文件名相同。

步骤二：对状态A训练集添加txt标签，每个图片只打一个可以区分不同人物的特殊词汇标签。比如有10个人物，那就给每个人物从jinitaimei1至jinitaimei10分配各自的标签。然后将状态A训练集的所有标签复制粘贴进状态B图像训练集中。

步骤三：选择与训练集画风相近的底模C，使用状态A图像训练集进行Lora训练直至模型过拟合，输入人物N的对应标签后，只能生成人物N的状态A照片。

步骤四：将训练得到的过拟合LoRA模型以1.0的比例融合进底模C中（更新：经进一步测试，勾选上same to strength效果会更好），然后用状态B图像训练集基于新底模进行Lora训练。该训练过程不一定要训练至严重过拟合，可以选择LoRA过程文件进行AI绘图测试，只要能通过调节权重，实现状态A至状态B的过渡即可。（更新：经进一步测试，甜蜜点大概在每张图片400在800步范围内）

步骤五：如果训练的LoRA所涉及场景较复杂，在高权重下会出现过拟合的情况。有两种改良的建议：一是进行LoRA分层调节，降低LoRA中与A/B状态切换无关的层数的权重；二是压缩LoRA的维度，比如从64压缩至4。