prithivMLmods/Canopus-LoRA-Flux-FaceRealism
prithivMLmods
Texto a imagen
Canopus-LoRA-Flux-FaceRealism es un adaptador LoRA para generación de imágenes con FLUX orientado a retratos y rostros fotorrealistas. Está pensado para mejorar el realismo facial, la iluminación de estudio, la textura de piel y los detalles de retratos de moda o fotografía profesional. La página indica que el modelo aún está en fase de entrenamiento, por lo que puede producir artefactos o resultados deficientes en algunos casos.
Como usar
Instalación y uso con Diffusers:
pip install -U diffusers transformers accelerate
import torch
from diffusers import DiffusionPipeline
# switch to "mps" for apple devices
pipe = DiffusionPipeline.from_pretrained(
"black-forest-labs/FLUX.1-schnell",
dtype=torch.bfloat16,
device_map="cuda"
)
pipe.load_lora_weights("prithivMLmods/Canopus-LoRA-Flux-FaceRealism")
prompt = "A portrait of an attractive woman in her late twenties with light brown hair and purple, wearing large a a yellow sweater. She is looking directly at the camera, standing outdoors near trees.. --ar 128:85 --v 6.0 --style raw"
image = pipe(prompt).images[0]
Ejemplo alternativo de configuración:
import torch
from pipelines import DiffusionPipeline
base_model = "black-forest-labs/FLUX.1-dev"
pipe = DiffusionPipeline.from_pretrained(base_model, torch_dtype=torch.bfloat16)
lora_repo = "prithivMLmods/Canopus-LoRA-Flux-FaceRealism"
trigger_word = "Realism" # Leave trigger_word blank if not used.
pipe.load_lora_weights(lora_repo)
device = torch.device("cuda")
pipe.to(device)
Estructura de app indicada:
/project-root/
├── .gitattributes
├── README.md
├── app.py
├── pythonproject.py
Funcionalidades
- Modelo de tipo LoRA para generación texto-a-imagen con Diffusers.
- Especializado en rostros, retratos, fotografía de moda y realismo facial.
- Compatible con modelos base FLUX, incluyendo black-forest-labs/FLUX.1-schnell y ejemplos con FLUX.1-dev.
- Pesos disponibles en formato Safetensors.
- Palabras de activación sugeridas: face, realism y face realism.
- Advertencia del autor: evitar negative prompts porque pueden causar artefactos y distorsiones.
- Entrenado con más de 200 imágenes de alta resolución.
- Parámetros publicados: Network Dim 64, Network Alpha 32, optimizer AdamW, LR scheduler constant, Noise Offset 0.03, Epoch 20 y más de 3.1K pasos.
Casos de uso
- Generación de retratos fotorrealistas de hombres y mujeres.
- Headshots con iluminación de estudio, fondos oscuros o entornos minimalistas.
- Fotografía de moda con poses, ropa detallada, lentes fotográficas y luz natural.
- Retratos de estilo editorial o rústico con expresiones contemplativas y detalles faciales definidos.
- Mejora de realismo facial en flujos de generación basados en FLUX mediante LoRA.