LoRA Fine-Tuning Stable Diffusion: Mekanisme untuk Model NSFW Tersuai

Tahun lepas, saya menghabiskan tiga hari yang mengecewakan cuba menyesuaikan model Stable Diffusion untuk jenis badan dan pose yang sangat spesifik. Pendekatan fine-tuning penuh terus merosakkan GPU saya dan memadamkan segala yang diketahui model asas tentang pencahayaan dan komposisi. Kemudian saya mencuba LoRA fine-tuning Stable Diffusion sebaliknya. Sehingga Mei 2026, teknik ini masih mendominasi kerana ia membekukan berat asal dan hanya menambah matriks latihan kecil. Analisis dari akhir 2025 menunjukkan ia mengurangkan parameter latihan lebih daripada 99 peratus. Latihan yang dahulu mengambil masa berhari-hari kini selesai dalam kurang dua jam pada satu RTX 4090. Pencipta akhirnya mendapat wajah, badan, dan pose erotis yang sangat spesifik tanpa memusnahkan pengetahuan umum model.

Idea terasnya elegan. Daripada mengemas kini keseluruhan matriks berat W, LoRA menganggarkan perubahan sebagai hasil darab dua matriks yang lebih kecil: ΔW = BA. B tinggi dan langsing, A pendek dan lebar, dan pangkat r mereka sengaja kekal kecil—selalunya antara 8 dan 64. Helah pangkat rendah ini berfungsi dengan sangat baik untuk model difusi kerana kebanyakan kemas kini penting hidup dalam ruang subruang dimensi rendah. Alpha menskalakan output supaya adapter tidak mengatasi asas yang dibekukan. Hasilnya terasa hampir ajaib: anda melatih sebahagian kecil parameter namun masih menangkap butiran halus seperti lengkung pinggul tertentu atau lipatan pakaian dalam renda.

Modul LoRA masuk ke dalam lapisan cross-attention U-Net dan pengekod teks. Penempatan itu penting. Lapisan ini mengawal bagaimana prompt teks diterjemah kepada ciri visual, jadi LoRA yang dilatih dengan baik mempertajam pematuhan prompt untuk adegan erotis yang sangat spesifik tanpa menyentuh rangkaian lain. Kerana berat asas kekal dibekukan, model mengekalkan pemahaman luasnya tentang anatomi, pencahayaan, dan komposisi. Anda boleh meminta "seorang wanita dalam pose tepat itu hanya memakai jubah sutera terbuka" dan adapter mengendalikan butiran tersuai manakala model asas membekalkan segala-galanya. Pemisahan ini yang membuatkan menggabungkan beberapa LoRA kemudian terasa semula jadi dan bukannya huru-hara.

Mulakan dengan 10–30 imej yang dipilih dengan teliti bagi jenis badan, pose atau pakaian yang anda inginkan. Pangkas secara konsisten, berikan kapsyen dengan butiran spesifik yang anda utamakan, dan masukkan set itu ke dalam Kohya_ss. Tetapan biasa untuk kandungan dewasa termasuk rank 32, alpha 32, dan kadar pembelajaran sekitar 1e-4. Kebanyakan latihan selesai dalam 60–90 minit pada 4090. Setelah anda mempunyai beberapa LoRA—satu untuk muka, satu untuk pose, satu untuk pakaian dalam—anda boleh memuatkannya bersama pada kekuatan berbeza. Keupayaan LoRA untuk menyampaikan penyesuaian yang tepat dan kos rendah terus ke dalam proses difusi adalah tepat apa yang membolehkan imej dan bingkai video dewasa yang hiper-realistik serta spesifik kepada penghibur dihasilkan pada platform AI moden. LoRA Fine-Tuning Stable Diffusion: Model NSFW Tersuai Dalam Beberapa Jam menunjukkan dengan tepat bagaimana adapter ini berskala kepada adegan penuh.