FaceID是IPAdapter的一項好用的功能之一,經過原作者的不斷更新,FaceID有單獨的節點可以使用,套用FaceID的工作流可以很好的控制生成圖像的人物一致性,也可以混合多個人臉產生新的人物面貌。
為了測試FaceID的作用,先使用IPAdapter生成一張圖像。
這邊採用的是高強度的IPAdapter Plus模型,生成的圖像與參考的圖像只有構圖跟髮型髮色相近,長相則完全不同。
比較如下圖。
將上面的工作流中IPAdapter Unified Loader的Preset選項改為PLUS FACE(portrails),再次生成圖片後的比較如下圖。
構圖跟參考圖片產生了一定的差距,人物的長相沒有比較相近。
將IPAdapter節點改成IPAdapter FaceID節點。
新版的節點會自動載入對應的IPA模型跟FaceID Lora。
產生的圖片比較如下圖。
因為使用的是FaceID節點,所以生成圖像的構圖會比較不像參考圖像,但是長相方面比起前兩個測試結果更像參考圖像一點。
將IPAdapter與IPAdapter FaceID串接在一起後,可以達成同一人物風格轉換的效果,雖然權重必須調低,導致人物長相會有點不像參考圖片的人物。
比起之前的主流是使用Lora去達成特定人物生成圖像,FaceID可以省去訓練Lora所需的時間並達到不錯的效果,而且比起單純的換臉還要無違和一點。
如果沒有特定需求,使用FaceID已經可以實現許多創意想法。