人像质感增强滤镜（SD1.5）

图例使用的大模型分别为 majicMIX realistic，AWPortrait，MoonFilm 和 Bayonetta。

主要效果：

1.增强皮肤质感。

2.添加细节：头发、眉、眼、鼻和唇。

3.增加面部光影。

4.弱化颈部纹理。

推荐权重：0.3（0~0.5）

推荐用法：

分辨率 512*768。

推荐配合近距离特写关键词"close-up" "portrait"。

即使脸没有崩，也可以尝试开启 ADetailer 对脸部进行二次强化。

高分辨修复，推荐超分算法为 UltraSharp-4x 和 NMKD-Superscale-8x，重绘幅度 0.2。

注：不适用于二次元模型。

制作过程：

模型的基本炼制原理，使用的是B站“青龙圣者”介绍的“差异炼丹法”，内有详细步骤。

简单概述一下我理解的基本原理：

1.首先你有一个想要训练的“概念”，这个概念最好是“在不改变原有图片大部分特征的前提下，改变某一小部分特征”，比如“把眼睛变大”。这被“改变的一小部分特征”，就是“差异”，这里用字母 d 代替。

2.使用一小组图片集 X 作为原图训练集，使用一个大模型 A 训练至过拟合得到一个 LORA F(X, A)。

3.对原图集 X 进行修改，加上你的概念差异 d，得到修改后的图集 (X+d)。

4.使用修改后的图片集 (X+d) 作为原图训练集，使用与训练原图集 X 相同的参数进行训练，得到第二个 LORA F'(X+d, A)。

5.将两个 LORA 相减，即 F'(X+d, A) - F(X, A)。通常来说，你应该将得到一个与 d 相关度较高、而与 X 和 A 相关度较低的 LORA G(d, X, A)。这就是你要的丹。

一些要点：

1.由于神经网络的非线性特性，你不可能把 X 和 A 从最终结果 G 中100%完全剔除。因此，你可以先“预设”一些 LORA 的使用场景，并挑选符合你的“预设场景”的图集 X 和大模型 A。比如，你的 d 是“把眼睛变大”，但你希望专注于“真人人像”，而不是2.5D或者二次元，那么你的 X 和 A 也应当符合“真人人像”。这样可以使得 X 和 A 对 G 的影响，跟偏向于你的“预设场景”。

2.训练至过拟合，是为了减小最终结果 G(d, X, A) 中大模型 A 的相关度。换句话说，大大提高了与其他大模型的适配程度。

3.两个 LORA 使用相同参数训练，是为了使 F' 和 F 尽量相同，稳定二者相减后的结果，保证与 d 更相关。

4.如果差异 d（相比于X）过大，极端情况，可以简单理解为 F'(X+d, A) 变成了 F'(0+d, A)。那么与 F(X, A) 相减后，你得到的 LORA 将与 (d-X) 高度相关，而不是仅与 d 高度相关。话句话说，你的 d 越大，你得到的结果将与（反向）X 相关度越高。至于如何判断你的 d 是否“过大”，我的建议是“你试试就知道了”。

本 LORA：

如果你理解了“差异炼丹法”的基本原理，同时，你也有使用各种图片编辑软件“修人像”的经验，那么你就应该能明白这个 LORA 是怎么制作出来的了。

我制作“差异”步骤也很简单：

1.提取图片中人像部分，保证非人像部分不变。

2.对皮肤增加纹理和噪点。

3.对头发和五官做高频增强。

另外，很多大模型出的“真人”图，在衣服上会有很多奇怪的纹理；特别是在超分放大后，尤为明显。因此我也对衣服进行了一点点降噪处理。但我的目标着重于人本身，而不包括衣物，所以不着重提及。

关于微调：

在测试时我发现，对比原大模型，这个 LORA 出的图，颜色饱和度变低了（特别是皮肤部分），亮度变高了，对比度变低了。

经过简单思考，这其实是与我添加的“差异”相符的：

1.我对皮肤增加纹理和噪点，给原本的“彩色”皮肤增加了“黑灰白”的成分，这显然会降低黄皮肤的色彩饱和度。而皮肤在我的训练图中的占比很大，因此会拉低整张图片的饱和度。

2.对皮肤增加纹理和噪点，以及对头发和五官做高频增强，都会大量提高图像中“黑”和“白”成分的占比，因此亮度和对比度会被改变。

这样的情况是“功能”还是“bug”？我决定还是先尽量还原至原大模型的效果。

我的微调方法很简单，融合其他功能 LORA：

1.使用 YFilter_BlueOrange，增加橙色权重，恢复皮肤颜色的饱和度。

2.使用 YFilter_DynamicRange 和 YFilter_BlackWhite，调整亮度和对比度。

最后，我额外增加了一些 YFilter_DynamicRange 的 LDR 权重，提高图像的光影对比强度效果，算是给这个 LORA 添加一些“差异化效果”。

欢迎讨论。