🚀 索莫夫的狂欢节风格LoRA模型

本项目是一个用于图像生成的低秩适配器（LoRA）模型，它基于FLUX系列模型进行微调，能够生成具有康斯坦丁·索莫夫（Konstantin Somov）风格的艺术作品。该模型受到18世纪梦幻般的玩具月光、皮埃罗的蕾丝泪滴、 Columbina的绸缎喘息和丑角的天鹅绒舞步等元素的启发，为用户带来独特的艺术体验。

🚀 快速开始

依赖安装

你可以使用以下代码加载模型并生成图像：

from diffusers import AutoPipelineForText2Image
import torch

pipeline = AutoPipelineForText2Image.from_pretrained('black-forest-labs/FLUX.1-dev', torch_dtype=torch.float16).to('cuda')
pipeline.load_lora_weights('AlekseyCalvin/Somov_Carnivalesques_V1_FluxLoRA_BySilverAgePoets')
image = pipeline('your prompt').images[0]

提示词示例

在生成图像时，你可以使用以下提示词：

Somov style art, artwork by Konstantin Somov, detailed carnivalesque illustration

示例输出

✨ 主要特性

• 独特艺术风格：该模型能够生成具有康斯坦丁·索莫夫风格的艺术作品，展现出18世纪狂欢节的独特魅力。
• 多版本支持：提供了两种不同的检查点版本（Variant I和Variant II），用户可以根据自己的需求进行选择。
• 灵活的提示词：用户可以通过调整提示词来生成不同主题和风格的图像。

📦 安装指南

环境要求

• Python 3.6+
• PyTorch 1.7+
• diffusers库

安装步骤

1. 安装必要的库：

pip install diffusers torch

2. 按照快速开始部分的代码加载模型。

💻 使用示例

基础用法

from diffusers import AutoPipelineForText2Image
import torch

# 加载模型
pipeline = AutoPipelineForText2Image.from_pretrained('black-forest-labs/FLUX.1-dev', torch_dtype=torch.float16).to('cuda')
pipeline.load_lora_weights('AlekseyCalvin/Somov_Carnivalesques_V1_FluxLoRA_BySilverAgePoets')

# 定义提示词
prompt = 'Somov style art, artwork by Konstantin Somov, detailed carnivalesque illustration'

# 生成图像
image = pipeline(prompt).images[0]

# 保存图像
image.save('output.png')

高级用法

你可以尝试不同的提示词来生成不同风格的图像，例如：

prompt = 'Somov style art, artwork by Konstantin Somov, detailed carnivalesque illustration of Arthur Rimbaud, the revolutionary blonde messy haired teenage trans man poet delivering a lecture to parlor book club group of revolutionary poet cat-person hermaphrodite angels circa the 1870s'
image = pipeline(prompt).images[0]
image.save('advanced_output.png')

📚 详细文档

模型版本说明

• Variant I：该版本的检查点在64dim128alpha下进行微调，基于DNA_1_618的Genova Apex De-distilled + LongCLIP-GmP-ViT-L-14 by zer0int。
• Variant II：该版本的检查点在64dim64alpha下进行微调，基于AfroMan4Peace的Colossus2.1_Dedistilled + LongCLIP-GmP-ViT-L-14 by zer0int，你可以在HERE找到该版本。

超参数说明

该模型在大约130张图像上进行微调，这些图像从我们整理的300多张索莫夫艺术文件中挑选出来，并经过手动预处理和修复。在微调过程中，我们使用了以下超参数：

由于数据集的大小，我们不得不将分辨率限制为768，因为即使是1024的分辨率也会导致内存不足错误，有时在训练的早期阶段就会出现这种情况。

🔧 技术细节

该模型是一个基于FLUX系列的低秩适配器（LoRA），通过微调来学习康斯坦丁·索莫夫的艺术风格。在微调过程中，我们使用了特定的基础模型和CLIP模型，并对不同版本的检查点进行了不同的超参数设置。具体来说，我们在大约130张经过精心挑选和预处理的艺术作品上进行训练，以确保模型能够学习到索莫夫风格的细节和特点。

📄 许可证

本项目采用Apache-2.0许可证。