Flux Kontext Makeup Remover

Flux Kontext Makeup Remover是一个专注于实现“为浓妆女性卸妆”的精细化图像编辑任务的Lora模型，该模型基于 FLUX.1-Kontext-dev 架构进行微调，利用少量高质量图像对训练而成，能够在保留人物面部结构的前提下，自然还原未化妆状态，适用于真实感人像编辑场景。

模型定位：从“生成”到“精准编辑”的跨越

不同于通用图像生成模型，Flux Kontext Makeup Remover 是一个任务特定型LoRA，目标明确：

将一张化有浓妆的女性面部图像，转化为同一人物素颜或淡妆状态。

这一能力在以下场景中具有实用价值：

• 形象对比展示（如美妆前后）
• 数字内容创作中的角色状态切换
• 人脸分析、身份识别前的预处理辅助（非医疗用途）

它不生成新面孔，而是执行属性编辑（attribute editing），聚焦于肤色、眼影、唇色、腮红等彩妆元素的智能去除。

训练细节：小数据，高精度

尽管训练数据规模较小，但模型表现出良好的泛化能力：

• 训练数据量：共 70 对图像（含原始浓妆图与目标素颜图）
• 主体构成：约 80% 为亚洲女性，其余涵盖高加索、非洲裔等种族
• 训练工具：使用 AI-Toolkit 进行 LoRA 微调
• 基础模型：FLUX.1-Kontext-dev

值得注意的是，该 LoRA 并未记忆特定人脸特征，而是学习了“卸妆”这一视觉概念。因此，即使输入图像不在训练集中，模型也能合理推断并还原素颜状态。

实验表明，其在不同肤色、脸型和妆容风格上均能保持稳定输出，展现出较强的跨个体泛化能力。

使用方法

✅ 推荐参数设置

效果特点

• 保留身份特征：鼻型、脸型、五官位置等关键结构不变；
• 自然去妆：非简单“磨皮”，而是逐项去除眼影、假睫毛、修容等元素；
• 肤色还原：自动校正因粉底、遮瑕导致的肤色偏差；
• 多族裔适用：虽以亚洲人为主要训练对象，但在白人、黑人等群体上同样有效。

⚠️ 注意：当前模型主要针对女性浓妆场景优化，男性或淡妆场景效果可能有限。