Flux Latentpop

由 jakedahn 开发

Flux latentpop是一个基于FLUX.1-dev的LoRA模型，专注于生成具有丝网印刷风格和有限色彩的插画，特别适合T恤设计和角色肖像。

图像生成

英语

开源协议:其他 #丝网印刷风格 #T恤设计 #卡通插画

下载量 86

发布时间 : 8/25/2024

模型介绍

内容详情

替代品

模型简介

该模型以充满活力的背景和粗犷的有限丝网印刷色彩效果为特色，适用于T恤设计、一般插画和角色肖像创作。

模型特点

丝网印刷风格

生成具有粗犷有限色彩效果的图像，模仿丝网印刷的艺术风格。

高适应性

适用于多种插画场景，包括T恤设计、角色肖像和一般插画。

特定触发词

使用'LNTP'作为触发词可获得最佳风格效果。

模型能力

文本生成图像

风格化插画生成

T恤设计生成

使用案例

服装设计

T恤图案设计

生成适合印刷在T恤上的丝网印刷风格图案。

示例中展示了带有'我爱VE REPLICATE'标语的快乐猫图案。

插画创作

角色肖像

生成具有特定艺术风格的角色肖像。

示例中展示了弹钢琴的小女孩和机器人等角色形象。

许可证：其他许可证名称：flux-1-dev-non-commercial-license 许可证链接：https://huggingface.co/black-forest-labs/FLUX.1-dev/blob/main/LICENSE.md 语言：

英文标签：
flux
diffusers
lora
replicate 基础模型："black-forest-labs/FLUX.1-dev" 管道标签：文本生成图像小部件：
文本：'丝网印刷T恤设计，一只快乐的猫举着牌子，上面写着“我爱VE REPLICATE”，LNTP插画风格' 输出：网址："images/1.webp"
文本："一件T恤，LNTP插画风格" 输出：网址："images/2.webp"
文本："一个弹钢琴的小女孩，黄色背景，LNTP插画风格" 输出：网址："images/3.webp"
文本："一本书，封面上写着'不要惊慌！'，致敬《银河系漫游指南》，LNTP卡通风格" 输出：网址："images/4.webp"
文本："一个机器人，蓝色背景，LNTP插画风格" 输出：网址："images/5.webp"
文本："女孩，橙色背景，LNTP插画风格" 输出：网址："images/6.webp"

实例提示：LNTP

Flux latentpop

flux-latentpop以充满活力的背景和粗犷的有限丝网印刷色彩效果为特色。

它非常适合T恤设计、一般插画和角色肖像。

它是在Replicate上训练的，地址如下：https://replicate.com/ostris/flux-dev-lora-trainer/train

训练集由23张在MidJourney上生成的图像组成，使用了--sref 3102110963和--personalize 3xdy3qw标志。你可以在本仓库中找到完整的训练集：./2024-08-24-latentpop.zip

以下是我使用的训练参数，这些参数对于插画/卡通风格的Flux LoRAs效果相当不错：

{
  "steps": 1300,
  "lora_rank": 24,
  "optimizer": "adamw8bit",
  "batch_size": 4,
  "resolution": "512,768,1024",
  "autocaption": true,
  "input_images": "https://replicate.delivery/pbxt/Lg3C1KUPfrRZZvJFaaSTmQ9qtAyXSonLvLSuTuj4Nop9vcSu/2024-08-24-latentpop.zip",
  "trigger_word": "LNTP",
  "learning_rate": 0.0002,
  "autocaption_suffix": "LNTP style",
  "caption_dropout_rate": 0.05,
}

特别感谢X上的@ciguleva，他最初在X上分享了这个sref：https://x.com/ciguleva/status/1827398343779098720

使用方法

你应该使用LNTP来触发图像生成。输出图像在guidance_scale约为2.5时看起来更具风格特色。

与🧨 diffusers库一起使用

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('jakedahn/flux-latentpop', weight_name='lora.safetensors')
image = pipeline('你的提示').images[0]

更多详情，包括权重、合并和融合LoRAs，请查看diffusers中加载LoRAs的文档