Blur Background和Unblur Background

开发者 camenduru 基于图像编辑模型 ** FLUX.1 Kontext [dev] **，推出了两个功能互为反向的 LoRA 模型：Blur Background 与 Unblur Background。这两个模型可用于控制生成图像中背景的清晰程度，实现类似大光圈镜头的虚化效果，或对模糊背景进行恢复性增强。

尽管当前主流图像生成模型已能输出高质量内容，但在精细控制景深（depth of field）方面仍依赖提示词或后期处理。这两款 LoRA 的出现，为生成具有明确前后景分离效果的图像提供了轻量、高效的解决方案。

功能说明：模糊与去模糊，双向可控

两者互为补充，适用于以下场景：

• 模拟摄影中的浅景深效果（如人像模式）；
• 增强主体表现力，弱化复杂背景干扰；
• 实验性图像修复：尝试从 AI 生成的模糊背景中“重建”细节。

需要注意的是，Unblur Background 并非通用去模糊工具。它基于高斯模糊样本训练，因此对由高斯模糊造成的失真效果更佳。若目标是还原真实相机因小光圈/大景深拍摄的清晰背景，则效果可能受限。

训练方法与数据来源

这两款 LoRA 使用 AI Toolkit 在 RTX 3090 上完成训练，训练数据来源于 ML-Depth-Pro 模型生成的图像对。ML-Depth-Pro 能够输出带深度信息的图像，开发者据此合成前景清晰、背景模糊的配对样本，用于监督训练。

• 训练步数：250 步
• 耗时：约 25 分钟
• 训练策略：基于深度引导的图像退化与恢复建模

虽然训练时间较短，但结果已表现出良好的泛化能力，在多种主体和构图下均可稳定触发预期效果。

使用建议

1. 触发词必须明确：在提示词中加入 blur background 或 unblur background 才能激活对应 LoRA 效果。
2. 注意适用范围：
   • Unblur Background 针对算法生成的模糊背景或高斯模糊退化设计；
   • 对真实相机拍摄中因失焦导致的模糊，效果可能有限。