模型描述

此模型是基于稳定扩散架构的精调版本，采用了低秩适应（LoRA）技术。它使用了CelebA-HQ和FFHQ数据集进行训练，这两个数据集以其高质量的人脸图像而闻名。

训练详情:

• 基础模型: 稳定扩散
• 适应技术: 低秩适应（LoRA）
• 数据集: CelebA-HQ（30,000张图像），FFHQ（70,000张图像）
• 分辨率: 512*512，用于精细的面部合成

使用示例:

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 = "质量差，低质量，解剖结构错误，水印，文字，模糊，卡通，不真实"
text = '一位微笑的年轻女子，戴着紫色帽子。'

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

display(lora_image)

结果

我们使用了以下四个提示:

• '一位微笑的年轻女子，戴着紫色帽子。'
• '一位有胡须的中年男子，有吸引力'
• '一位金色长发的女孩'
• '一位咖色头发的年轻男子'

负面提示与示例代码相同。所有结果均为随机生成，未经筛选。

如果生成效果不佳，可以尝试添加负面提示，或尝试不同的提示和种子。