Как описывать кадр без фиксации внешности модели

Короткий ответ. Если вы учите LoRA на одного персонажа, caption может описывать кадр — позу, фон, одежду, ракурс и свет — без подробного повторения внешности человека в каждом TXT. Это помогает отделить меняющиеся детали от устойчивой идентичности. Но пропуск внешности не является обязательным правилом для всех моделей и тренеров: проверьте, как ваш инструмент использует trigger word и что именно вы хотите потом менять в prompt. Важнее единая логика по всему датасету и точность подписей. Пример устройства датасета есть в Kohya sd-scripts.

Зачем не повторять одно и то же лицо в каждом TXT

Когда все фотографии показывают одного персонажа, модель видит его признаки на каждом кадре. Если вы используете отдельный идентификатор персонажа, можно связать идентичность с ним, а остальные слова отдать управляемым переменным. Например, в одном файле человек стоит на улице, в другом сидит в комнате. Подписи помогают сообщить, что фон и поза меняются, а персонаж остаётся тем же. Но это упрощённая стратегия: её результат зависит от базы, тренера, качества фото и параметров LoRA.

Некоторые авторы предпочитают описывать постоянные черты лица и цвет волос в каждом caption. Иногда это помогает, иногда закрепляет лишние детали или мешает менять образ. Не спорьте абстрактно о единственно правильной форме TXT. Подготовьте маленький эксперимент с одной стратегией, сохраните конфигурацию и сравните генерации с другой только при сопоставимых условиях.

Что полезно описывать на конкретном кадре

• План и ракурс: портрет, полурост, полный рост, профиль, взгляд в сторону.
• Поза и действие: сидит, стоит, идёт, держит предмет — если это действительно видно.
• Одежда и аксессуары: то, что должно свободно меняться при генерации.
• Фон и свет: характерную сцену, если она различается между изображениями и важна для управления.
• Эмоция: только достаточно отчётливое выражение лица.

Не нужно перечислять все предметы до последней мелочи. Длинный caption с ошибками хуже короткого точного. Если кадр обрезан до лица, не описывайте фигуру, которую не видно. Если фото сделано под цветным светом, не угадывайте реальный цвет глаз. Автоматическая модель captioning может придумывать такие детали — проверяйте её вывод вручную.

Когда всё-таки описывать внешность

Если в датасете несколько людей или вариации одного образа, текст должен помогать их различать. Если вы хотите управлять цветом волос, а в кадрах он реально отличается, эти различия стоит подписывать. Если цель — фиксированный образ с постоянной причёской, отдельное описание может оказаться не нужно. Сильно разная фигура на кадрах — проблема отбора, которую нельзя решить только caption. Сначала убедитесь, что изображения согласованы.

Trigger word должен быть написан последовательно, если ваша схема обучения на него опирается. Не меняйте идентификатор из файла в файл. И не добавляйте в него название одежды, если одежда должна меняться. Общее описание метода LoRA и обучаемых параметров есть у Hugging Face Diffusers; конкретный формат TXT всегда сверяйте с выбранным тренером.

Как проверить стратегию без долгого обучения

1. Сделайте чистую небольшую выборку с разными планами и одеждой.
2. Проверьте совпадение имён фото и TXT, отсутствие пустых и чужих подписей.
3. Обучите короткий пилот и сохраните несколько checkpoint.
4. Сгенерируйте один портрет и два кадра с новой одеждой и фоном при одинаковых параметрах.
5. Оцените, сохраняется ли лицо и слушается ли prompt по изменяемым деталям.

Если персонаж стабилен, но одежда «прилипает», проверьте перекос исходных снимков и подписи одежды. Если лицо меняется вместе с фоном, возможно, у каждого фона в датасете был отдельный вариант внешности. Если LoRA совсем слаба, проверьте базу, загрузку адаптера и вес применения. Количество текста в captions — лишь одна из возможных причин.

Частые вопросы

Можно ли писать только фон, позу и одежду?

Можно как осознанную стратегию для одного устойчивого персонажа. Добавьте единый идентификатор, если он нужен тренеру, и проверьте результат на нескольких сценах.

Нужно ли писать цвет глаз?

Не всегда. Если глаз на фото не видно отчётливо, лучше не угадывать. Если цвет меняется и должен управляться, размечайте его только по надёжным кадрам.