Controles Deslizantes de Conceito Flux - habilitando controle mais preciso sobre imagens geradas
Introdução
O FLUX agora suporta o treinamento de Controles Deslizantes de Conceito com LoRA, permitindo controle mais preciso sobre imagens geradas, como alterações de idade ou ajustes de comprimento de cabelo.
Recursos
Assistência GPT-4
O projeto utiliza o GPT-4 para ajudar os usuários a criar prompts de controle deslizante de texto, simplificando o processo de criação e melhorando a qualidade dos prompts.
Suporte FLUX
Experimentalmente, o projeto suporta o treinamento de controles deslizantes para o modelo FLUX-1, oferecendo mais opções de modelo e flexibilidade.
Configuração do Ambiente
Passos detalhados são fornecidos para configurar o ambiente Python, incluindo a criação de um ambiente conda, clonagem do repositório e instalação de dependências.
Treinamento de Controles Deslizantes de Texto
Os usuários são orientados sobre como treinar um controle deslizante de texto para ajustar a idade do personagem, editando o arquivo prompts.yaml e executando o script train_lora.py.
Treinamento de Controles Deslizantes Visuais
O projeto detalha como preparar um conjunto de dados de imagem, configurar arquivos e usar os scripts train_lora-scale.py e train_lora-scale-xl.py para treinar controles deslizantes visuais.
Uso
ConceptSliders Online Gratuito
ConceptSliders: LoRA Adaptors para Controle Preciso em Modelos de Difusão
ConceptSliders Online é uma ferramenta interativa projetada para mostrar conceitos de modelo de aprendizado de máquina. Os usuários podem ajustar as entradas do modelo movendo os controles deslizantes e observar as mudanças em tempo real nas saídas do modelo, facilitando a exploração e o aprendizado sobre o comportamento do modelo.
ConceptSliders ajuda os usuários a entender conceitos através de:
- Aprendizado Interativo: Os usuários podem manipular diretamente os controles deslizantes para alterar parâmetros de entrada do modelo e observar mudanças em tempo real nas saídas do modelo.
- Feedback Visual: O feedback visual imediato permite que os usuários vejam intuitivamente como diferentes entradas afetam o comportamento do modelo.
- Demonstrações de Exemplo: Exemplos concretos e resultados em tempo real ajudam os usuários a conectar conceitos de aprendizado de máquina abstratos com resultados reais.
- Análise Exploratória: Encoraja os usuários a se engajarem em análise exploratória, descobrindo características e limitações do modelo através de suas próprias interações.
Este abordagem torna conceitos de aprendizado de máquina mais tangíveis e fáceis de entender.
Como Usar GPT-4 para Criar Prompts de Controle Deslizante de Texto
Para criar prompts de controle deslizante de texto usando GPT-4, siga os seguintes passos:
- Descreva o tipo de controle deslizante que você deseja criar. Por exemplo, " Eu quero criar um controle deslizante que faça uma pessoa parecer feliz."
- Use o caderno GPT (
GPT_prompt_helper.ipynb) incluído no projeto para gerar os prompts de controle deslizante de texto necessários. - Abra o caderno
GPT_prompt_helper.ipynb. - Preencha a descrição do controle deslizante que você deseja criar com base nos prompts.
- Execute o código no caderno, e o GPT-4 gerará os prompts de controle deslizante de texto correspondentes com base na sua descrição.
Este processo permite que você utilize as capacidades do GPT-4 para criar prompts de controle deslizante de texto mais precisos e eficazes, resultando em resultados melhores ao treinar controles deslizantes de texto.
Nota: Para usar GPT-4, você pode precisar instalar pacotes necessários e ter acesso à API da OpenAI. Além disso, certifique-se de que seu ambiente atenda aos requisitos especificados no arquivo requirements.txt.
Este recurso simplifica a criação de controles deslizantes de texto e melhora a qualidade dos prompts gerados, permitindo controle mais preciso sobre as saídas dos modelos de difusão.
https://github.com/rohitgandikota/sliders