大家好,今天我们将对比三种AI换脸技术:基于Flux的PuLID、基于SDXL的InstantID以及最近推出的基于SDXL的EcomID。
这三种技术各有优势,但都还无法达到100%的人脸相似度。为了追求更真实的效果,我之前开发了一个能够达到接近100%相似度的工作流,并进行了多次优化和增强,特别加入了高清修复的部分。接下来,我将详细讲解每个节点组的功能,帮助大家了解实现高相似度人脸的原理。
# 工作流概览
首先,我们来看一下这次用来对比三种换脸技术的工作流。大家可以在本文末尾找到下载链接。
基础设置
工作流左边是一些基础设置区域,主要用于:
-
设置图片尺寸
-
选择模型(checkpoint)
-
输入提示词等参数
这些设置通过“Bus Node(节点总线)”和“Anything Everywhere(全局输入)”节点传递到右侧的各个换脸节点组,从而实现参数的集中管理。这种方式可以减少节点之间的连接线,使工作流更加简洁高效。
例如,EcomID和Flux PuLID都需要用到PuLID的Eva Clip模块,这里就通过“Anything Everywhere”节点统一传递,免去了重复连接的麻烦。同时,加载InstantID的节点也通过“Anything Everywhere”传递到右侧供EcomID和InstantID共享。
此外,“Seed Everywhere(全局种子)”节点确保了所有换脸节点组使用相同的种子,以保证对比结果的公平性。
三种换脸技术的节点组
在右侧,我们可以看到三个换脸节点组:
-
EcomID - 三个节点组中最复杂的,需要同时加载InstantID和PuLID模块,具有独特的EcomID ControlNet模型。
-
InstantID - 相对简单的结构,适合快速换脸。
-
PuLID - 基于Flux的实现,结构也相对简单。
每个节点组生成的图片会被拼接在一起,与原始人脸参考图进行对比。我通过“Image Caption(图像字幕)”节点为每张生成图像添加了字幕,注意需要填写ttf格式字体的路径,否则会报错。
效果对比
在对比了多个示例后,我认为InstantID在大部分情况下的相似度最高。不过,具体效果因人而异,有时PuLID或EcomID的效果也很接近原图。
总体而言,换脸技术的优势在于:
-
相较于训练LoRA更加快速便捷
-
可以根据多角度照片生成对应角度的人脸
但缺点是生成的人脸和真实人脸的相似度仍有不足。为此,我开发了一个号称能够实现100%相似度的工作流。经过用户反馈和优化调整,我们现在来深入讲解这个工作流的细节。
# 完美人脸匹配的逐步工作流解析
现在,我们来详细解读我开发的优化工作流的各个部分,以提高人脸相似度并解决常见问题,如脖颈处的接缝和其他不必要的瑕疵。
1. 初始设置与遮罩
-
上传图片:首先上传参考图像,并填写提示词。
-
人脸分离:使用“PersonMaskUltra(人像遮罩)”节点将人脸部分隔离。默认情况下只遮罩人脸,但如果需要包括头发或其他元素,可以启用额外选项。
-
遮罩细化:打开 Mask Editor(遮罩编辑器),进一步优化人脸周围的遮罩区域。尽量在脸部周围画出较大的区域,避免在 SDXL 填充背景时出现接缝。
提示:避免在遮罩中包含背景的像素。仅保留人脸区域有助于保持细节。
-
遮罩平滑:使用“Mask Smooth(遮罩平滑)”节点来柔化遮罩边缘,以便 SDXL 能够更顺畅地将人脸与背景融合。
2. 使用 SDXL 进行基础构图
-
设置分辨率:在“SDXL Resolution(分辨率)”节点中将画布尺寸设置为 768x1344,适用于全身肖像。后续如有需要可以裁剪。
-
调整人脸位置:使用“ImageBlend(图像混合)”节点控制人脸在图像中的位置、大小和角度。调整 X 和 Y 百分比、缩放比例以及旋转角度,使人脸自然地融入画面。
-
运行 SDXL 进行初步构图:使用 SDXL Lightning(闪电)模型运行工作流,生成基础构图。此时 SDXL 会填充黑色背景区域。
注意:在此阶段可能会出现接缝或其他不完美之处。别担心,我们会在后续步骤中进行修复。
3. 处理常见瑕疵并增强细节
使用 Flux 修复接缝和瑕疵
-
扩展脖颈区域的遮罩:启动右侧的节点组,将遮罩稍微扩展到脖颈区域。调整“expand(扩展)”和“blur_radius(模糊半径)”的设置,以确保脖子周围的接缝包含在内,而不会影响到脸部。
-
使用 Flux 模型清理接缝:使用基于 Flux 的 PixelWave(像素波)模型,并配合 Turbo LoRA(加速 LoRA),这样可以在 8 步内高效处理图像,修复脖颈接缝和其他瑕疵。
额外重绘以进行进一步修复
-
进行第二次重绘:激活另一组节点,进行额外的重绘操作。这一步可以修复残留的瑕疵,比如手部或衣物上的细节失真问题。
-
恢复面部细节:重绘之后,面部细节可能会显得略微模糊。使用专门的节点组恢复面部的精细细节,特别是眼睛、嘴部和皮肤纹理的部分。
4. 最终处理与放大
手部细节优化
-
手部修复:使用专门的节点组增强手部细节。此步骤可以确保手部细节的真实感,甚至可以清晰表现血管等小细节。
高清放大以获得高分辨率效果
-
两阶段放大:为了实现最终的高清效果,先使用 4 倍放大模型处理人脸,然后再缩小一半,从而实现 2 倍的分辨率提升。此方法可以在保持面部特征细节的同时提高清晰度。
-
使用 LoRA 增强纹理和细节:添加一个 LoRA 模型来增强皮肤纹理和清晰度。
-
设置采样器调度器:确保采样器的调度器设置为“exponential(指数)”,以便在放大过程中保持面部特征的一致性。
5. 对比结果
最后,将生成的结果与原始参考图像进行对比。此工作流应该能够生成与原始人脸高度匹配的图像,具备清晰的细节和精致的纹理。如果需要进一步微调,可以考虑在 Photoshop(PS)中进行最后的修饰。
本文转自 https://mp.weixin.qq.com/s/W7HwVveV5COXs5hy7Ge8Ng,如有侵权,请联系删除。
资料软件免费放送
次日同一发放请耐心等待
关于AI绘画技术储备
学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!
感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。
需要的可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】
**一、AIGC所有方向的学习路线**
AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了,安装就可直接上手!
三、最新AIGC学习笔记
当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。
五、实战案例
纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
这份完整版的学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】