FLUX โมเดลการสร้างภาพด้วย AI ที่เปลี่ยนแปลงวงการศิลปะดิจิทัล กำลังได้รับความนิยมอย่างรวดเร็ว เป็นที่รู้จักในความสามารถที่ยอดเยี่ยมในการสร้างภาพคุณภาพสูงจากข้อความที่ง่าย มันได้กลายเป็นเครื่องมือหลักสำหรับศิลปินและผู้สร้างอย่างรวดเร็ว อย่างไรก็ตาม ข้อจำกัดที่สำคัญคือการสนับสนุนที่ขาดหายไปสำหรับการบอกเล่าเชิงลบ — ซึ่งเป็นฟีเจอร์ที่ให้ผู้ใช้สามารถยกเว้นองค์ประกอบเฉพาะจากภาพที่สร้างขึ้น ในบทความนี้ เราจะสำรวจการพัฒนาที่เกิดขึ้นล่าสุดที่ทำให้การบอกเล่าเชิงลบสามารถใช้ได้ใน FLUX และให้คำแนะนำทีละขั้นตอนเกี่ยวกับวิธีการใช้งานให้มีประสิทธิภาพ


การบอกเล่าเชิงลบคืออะไร?
การบอกเล่าเชิงลบคือคำแนะนำเฉพาะที่ช่วยให้ AI ยกเว้นองค์ประกอบบางอย่างจากภาพ ฟีเจอร์นี้สำคัญสำหรับผู้สร้างที่ต้องการควบคุมผลลัพธ์มากขึ้น ช่วยให้พวกเขาหลีกเลี่ยงรายละเอียดที่ไม่ต้องการหรือปรับแต่งผลิตภัณฑ์ขั้นสุดท้าย ในตอนแรก FLUX ไม่ได้สนับสนุนการบอกเล่าเชิงลบหรืออนุญาตให้ใช้ค่าการชี้นำที่ไม่มีการจัดประเภท (CFG) นอกเหนือจาก 1 ด้วยเหตุนี้ ผู้ใช้จึงมีข้อจำกัดในการปรับแต่งภาพ
Dynamic Thresholding: โซลูชันสำหรับการบอกเล่าเชิงลบใน FLUX
โซลูชันที่พัฒนาขึ้นโดยชุมชนผู้ใช้ได้ทำให้สามารถใช้การบอกเล่าเชิงลบและปรับค่าจัดชี้นำใน FLUX ได้ วิธีนี้เรียกว่า Dynamic Thresholding ซึ่งจะเพิ่มความสามารถของ FLUX อย่างมากโดยให้ผู้ใช้มีความยืดหยุ่นและควบคุมได้มากขึ้น
Dynamic Thresholding ทำงานอย่างไร
Dynamic Thresholding ทำงานโดยการปรับค่าลักษณะที่ซ่อนอยู่และยึดค่าที่สุดขีดไว้ นี่จะป้องกันไม่ให้มีการอิ่มตัวมากเกินไปและการลดคุณภาพภาพเมื่อใช้ค่าจัดชี้นำที่สูงกว่า โดยการจัดการค่าลักษณะที่ซ่อนเหล่านี้ มันช่วยให้แน่ใจว่าภาพยังคงมีความสมดุลและสวยงาม แม้ในขณะที่คำแนะนำที่ละเอียดมากขึ้นถูกให้มา
การใช้งาน Dynamic Thresholding ใน FLUX
เพื่อใช้งาน Dynamic Thresholding ผู้ใช้ต้องติดตั้ง sd-dynamic-thresholding extension ในการตั้งค่า FLUX ของพวกเขา ซึ่งทำได้โดยปกติผ่านอินเทอร์เฟส เช่น ComfyUI หรือแพลตฟอร์มที่คล้ายกัน ซึ่งช่วยให้การรวมฟีเจอร์ที่ทรงพลังนี้เข้าได้อย่างราบรื่น
การตั้งค่าก่อนเริ่มการบอกเล่าเชิงลบสำหรับ FLUX
สิ่งที่คุณต้องการ:
- โมเดล FLUX
- ComfyUI หรืออินเทอร์เฟสที่คล้ายกัน
- ส่วนขยาย sd-dynamic-thresholding
ตอนนี้เรามาทำงานกันเถอะ!
- ติดตั้ง sd-dynamic-thresholding extension
- ใน ComfyUI ให้เพิ่มโหนด DynamicThresholdingFull
- เชื่อมต่อโมเดล FLUX ของคุณเข้ากับข้อมูลนำเข้าสำหรับโหนด DynamicThresholdingFull
- เชื่อมต่อผลลัพธ์ไปยังข้อมูลนำเข้าสำหรับ KSampler ของคุณ
วิธีการปรับแต่งค่าพารามิเตอร์ Dynamic Thresholding
- CFG Scale: โดยปกติจะตั้งค่าอยู่ระหว่าง 3–7 ค่าสูงกว่าจะทำให้การติดตามการบอกเล่ามากขึ้น แต่ก็อาจทำให้เกิดการอิ่มตัวมากเกินไป
- Interpolate Phi: ควบคุมความอิ่มตัวของภาพ ค่าอยู่ระหว่าง 0.7–0.9 มักให้ผลลัพธ์ที่ดีที่สุด
- Mimic Scale และ CFG Mode: “Half Cosine Up” สำหรับทั้งสองพารามิเตอร์มีแนวโน้มให้ผลลัพธ์ที่ดีที่สุด
เมื่อเพิ่มค่า CFG จะช่วยให้การติดตามการบอกเล่าดีขึ้น แต่ก็อาจทำให้การสร้างช้าลง ค้นหาจุดสมดุลระหว่าง CFG และค่า Flux Guidance Scale ที่รวมอยู่เพื่อผลลัพธ์ที่ดีที่สุด
นี่คือเคล็ดลับเพิ่มเติมเกี่ยวกับค่าของ CFG:
- ภาพสมจริง: ค่า CFG ต่ำ (ประมาณ 2–3) และลดค่า Interpolate Phi (0.6–0.7)
- การสร้างศิลปะ: ค่า CFG สูง (4–6) และเพิ่มค่า Interpolate Phi (0.8–0.9)
- แนวคิดนามธรรม: ทดลองกับค่าของ CFG ที่สุดโต่ง (7+) แต่ต้องเตรียมพร้อมสำหรับผลลัพธ์ที่ไม่สามารถคาดเดาได้มากขึ้น
นี่คือการตั้งค่าไปใช้เป็นตัวอย่าง:
CFG Scale: 3
Interpolate Phi: 0.7
Mimic Scale: Half Cosine Up
CFG Mode: Half Cosine Up
วิธีการเขียนการบอกเล่าที่ดีที่สุดสำหรับ FLUX
การบอกเล่าเชิงลบส่วนใหญ่จาก Stable Diffusion ใช้งานได้ใน FLUX นี่คือตัวอย่าง:
เบลอ, สีอิ่มตัวมากเกินไป, อาคารทันสมัย, ผู้คน, สัตว์อื่น ๆ นอกเหนือจากปลาคาร์พ, ข้อความ, โลโก้, ลายน้ำ, สัดส่วนที่บิดเบี้ยว, แสงที่ไม่สมจริง
เป็นสิ่งที่ดีที่สุดในการสร้างการบอกเล่าเชิงลบตามประเภทของภาพที่คุณต้องการสร้าง สำหรับการถ่ายภาพบุคคล:
การบอกเล่าเชิงบวก: ภาพบุคคลของผู้หญิงวัยกลางคนที่มีผมสีเทาสั้น ยิ้มอบอุ่นและมีดวงตาที่ใจดี แสงธรรมชาตินอกบ้าน ค่าความลึกของสนามที่ตื้น แบ็คกราวน์เบลอในสวน ภาพถ่ายคุณภาพสูงจากกล้อง DSLR โดยมีโฟกัสที่ชัดเจนที่ใบหน้า
การบอกเล่าเชิงลบ: ลักษณะของคนหนุ่มสาว, ผมยาว, สถานที่ในอาคาร, แสงที่รุนแรง, โฟกัสเบลอ, หลายคน, อุปกรณ์เสริม, หมวก, แว่นตา
นี่คือผลการทดสอบ:
คุณสามารถทดลองที่นี่ที่ Anakin AI:
FLUX Realism LoRA Online | Anakin
เพิ่มคุณภาพของภาพที่สร้างด้วย AI ของคุณด้วยความสมจริงที่ไม่มีใครเทียบได้โดยใช้ FLUX Realism LoRA
app.anakin.ai
วิธีการเขียนการบอกเล่าที่ดีกว่าสำหรับ FLUX โดยทั่วไป
- การอิ่มตัวมากเกินไป: หากภาพดูมีความอิ่มตัวมากเกินไป ให้ลดค่าของ Interpolate Phi
- การติดตามการบอกเล่าที่ขาดหายไป: ค่อยๆ เพิ่มค่า CFG scale แต่ต้องระวังผลกระทบต่อประสิทธิภาพ
- การสร้างช้า: พิจารณาใช้ความละเอียดที่ต่ำกว่าสำหรับการทดสอบเริ่มต้น จากนั้นจึงเพิ่มขึ้นสำหรับผลลัพธ์ขั้นสุดท้าย
- ผลลัพธ์ที่ไม่สอดคล้องกัน: ทดลองกับค่าของ seed ที่แตกต่างกันเพื่อหาจุดเริ่มต้นที่ดีที่สุด
และคุณอาจต้องพิจารณาเทคนิคเหล่านี้เพื่อให้งานภาพของคุณมีคุณภาพดีขึ้น:
- การรวม LoRA: รวม Dynamic Thresholding กับโมเดล LoRA เพื่อควบคุมที่แม่นยำยิ่งขึ้น
