bigger breasts and butts

bigger breasts and butts是专为图像编辑模型 FLUX.1 Kontext [dev]训练的一个LoRA，用于微调胸部和臀部尺寸，输出可重复输入以增强效果或调整LoRA权重。对于此模型， 训练者ultraautism 还发布了自己的训练心得。

PS：由于ultraautism使用fal.ai训练，其模型无法在ComfyUI-nunchaku 中正常加载，本人已使用之前介绍的ComfyUI-RBG-LoRA-Converter插件进行了转换，大家可以从网盘下载修改版的模型进行使用。

• 如果无法在本地使用，可使用在线平台：https://www.runninghub.cn/post/1948441682168676354/?inviteCode=16188893

核心目标：打造“可重复使用”的图像编辑工具

该 LoRA 的设计初衷是：

• 实现对图像中特定语义属性（如胸部、臀部尺寸）的可控编辑；
• 保持其余内容（服装、姿势、光照、背景）不变；
• 支持跨风格应用（真实风格 ↔ 动漫风格）；
• 可多次迭代增强效果，类似 3D 建模中的“参数滑块”。

与传统“滑块 LoRA”不同，这类模型并非通过文本嵌入间接影响生成，而是直接学习图像对之间的变换规律，因此具备更强的上下文理解能力。

训练数据构建：精准控制变量是关键

训练数据集由 50 对图像组成，使用 3D 虚拟角色平台 Virt-a-Mate（VAM） 渲染生成。

每对图像包含同一角色的两种状态：

• 原始形态：较小胸部与臀部；
• 目标形态：增大后的胸部与臀部；

所有图像在以下维度保持完全一致：

• 姿势（共约 45 种）
• 服装（约 30 套）
• 光照与背景
• 相机角度（50 种）
• 角色位置与镜头构图

✅ 优势：VAM 支持“仅调整单一参数”（如胸部大小），其他变量不受影响，确保训练数据的“干净性”。

此外，数据集中包含 21 对双人图像（男女同框），其中仅女性身体发生变化，用于测试模型的选择性编辑能力。

训练过程：低成本、高效率

• 平台：fal.ai（云端训练服务）
• 步数：2000 步（学习率 0.0001）
• 耗时：约 30 分钟
• 成本：2.5 美元

作者选择云端训练以释放本地 GPU 资源，用于生成更多数据集。他认为，对于此类小规模任务，付费换时间是合理选择。

📌 注：测试表明，1000 步通常已足够，适合快速迭代。

✅ 实际表现：优势与局限并存

优势：

• 跨风格泛化能力强：在真实风格与动漫风格图像上均有效；
• 复杂姿势处理良好：得益于多样化的训练姿态；
• 支持着装与裸体图像；
• 编辑结果自然，未出现明显伪影（单次使用）；
• 无需重绘整个图像，适合精细化调整。

局限：

1. 编辑幅度有限：输出变化约为训练数据变化的 50%。若需更大调整，需将输出反复输入，但多次迭代会导致图像质量下降（噪点、色彩偏移、细节丢失）。
2. 多主体编辑缺乏选择性：在男女同框图像中，尽管训练目标仅为修改女性，但部分生成结果显示男性身体也被轻微影响，表明模型尚未完全理解“仅作用于特定角色”。
3. 服装细节仍需修补：对于复杂纹理（针织、皮革、透明材质），LoRA 可能导致服装变形，通常需要后续手动修补（inpainting）。