これは編集用LoRAとして訓練された制御モデルです。DWPoseで生成されたカラフルなスケルトン画像(黒背景、身体・手・顔を含む)を唯一の参考画像として「Text Encode MOSS-Image Edit」ノードに渡すと、モデルはスケルトンのポーズに従い、キャラクター、服装、シーンはプロンプトで決定されます。LoRAの線形層のランクは 64、畳み込み層のランクは 16 で、第 4500 ステップを使用します。作者は同時に、深度マップ制御とフラットカラーセグメンテーション制御の2種類の同種LoRAも公開しており、リポジトリにはComfyUIワークフローと複数のサンプル画像が含まれています。
なぜ重要か MOSS-Imageに制御可能な人物ポーズが追加され、同じ作者は深度マップとセグメンテーションマップの2種類の制御LoRAも公開しています。
ハグでいいね 11 · ハグで上昇スコア 11 · ハグでダウンロード 0
ライセンス:商用利用可 · ComfyUI:モデルカードに記載 · VRAM:記載なし
理由
- Apache-2.0 ライセンス;サンプル画像の各セットには、制御画像と3つの異なるプロンプトによる結果が含まれています
使い方
- MOSS-Image-SFTを読み込み、LoRA強度を 1.0 に設定し、編集フォーマットをai-toolkitに設定します(正負両方のエンコードノードで設定が必要)。30 ステップ、CFG 4、euler + simple サンプラーを使用します。スケルトンはcomfyui_controlnet_auxのDWPoseで抽出します
リスク
- 公式のMOSSカラー/深度結合アダプターではありません。スケルトンに欠落している肢体は、プロンプトでも補完できません
- MOSS-Image-SFTでのみ訓練され、推奨されています