InfiniteYou 项目使用教程
项目地址: https://gitcode.com/gh_mirrors/in/InfiniteYou 1. 项目介绍
InfiniteYou 是由字节跳动团队开发的一个开源项目，旨在通过先进的图像生成技术，实现用户身份保持下的灵活图像重构。该项目基于先进的 Diffusion Transformers（DiTs），如 FLUX，解决了现有方法在身份相似度、文本图像对齐以及图像生成质量和审美方面的关键问题。
2. 项目快速启动
环境准备
在开始之前，请确保您的系统中已经安装了 Python 3 环境。然后，可以通过以下命令安装项目所需的依赖：
pip install -r requirements.txt
模型推理
以下是一个本地推理的示例脚本，用于生成图像：
python test.py --id_image ./assets/examples/yann-lecun_resize.jpg --prompt "一位男士，肖像，电影风格" --out_results_dir ./results
--id_image: 输入身份图片的路径。--prompt: 图像生成的文本提示。--out_results_dir: 保存生成结果的输出目录。
您可以根据需要调整其他参数，例如：
--control_image: 控制图片路径（可选）。--base_model_path: 基础模型路径。--model_dir: InfiniteYou 模型目录。--infu_flux_version: InfiniteYou-FLUX 版本。--model_version: 使用的模型版本（aes_stage2或sim_stage1）。
参数说明
--cuda_device: 使用的 CUDA 设备 ID。--seed: 可重现性的种子（0 为随机）。--guideance_scale: 扩散过程的指导尺度。--num_steps: 推断步骤数。
InfiniteYou 特定参数：
--infusenet_conditioning_scale: InfuseNet 调整尺度。--infusenet_guidance_start: InfuseNet 指导开始点。--infusenet_guidance_end: InfuseNet 指导结束点。
可选 LoRAs：
--enable_realism_lora: 是否启用 Realism LoRA。--enable_anti_blur_lora: 是否启用 Anti-blur LoRA。
3. 应用案例和最佳实践
为了更好地适应特定的个人需求，以下是一些最佳实践：
- 如果生成的性别不符合您的偏好，尝试在文本提示中添加具体的词语，例如“一位男士”，“一位女士”等。
- 使用 inclusivity 和尊重性的语言。
4. 典型生态项目
InfiniteYou 的插件式设计使其与许多现有方法兼容，例如可以与 ControlNets 和 LoRAs 配合使用，为自定义任务提供更多的可控性和灵活性。此外，它支持替换基础模型，例如使用 FLUX.1-schnell 进行更高效的生成。
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
