1. 일관된 캐릭터 워크플로우#
IPAdapter Face Plus V2 모델을 활용하여 일관된 모습의 캐릭터를 만드는 것이 이 워크플로우의 목표입니다. 먼저 몇 가지 참조 이미지를 업로드한 다음, Face Plus V2 모델이 같은 얼굴 특징을 유지하면서 일련의 이미지를 생성하도록 합니다. 다양한 체크포인트나 LoRA 모델을 사용하여 여러 스타일을 자유롭게 탐색하면서도 캐릭터의 외모를 일관되게 유지할 수 있습니다.
2. IPAdapter FaceID/FaceID Plus 개요#
v1.5 FaceID#
이 모델은 얼굴 인식을 위한 기본 버전으로, 텍스트 프롬프트, 제어 네트워크 및 마스크로 보강된 변형을 허용합니다. 평균적인 컨디셔닝 강도로 인해 일반적인 얼굴 컨디셔닝 작업에 적합합니다. 기본 FaceID 모델은 CLIP 비전 인코더를 사용하지 않으므로 복잡한 인코더 구성이 필요하지 않습니다.
v1.5 FaceID Plus#
FaceID Plus 모델은 더 강력한 이미지 대 이미지 컨디셔닝 효과를 위해 설계된 향상된 버전입니다. ViT-H 이미지 인코더를 사용해야 하므로 세부적인 얼굴 모델링을 위해 더 높은 처리 능력이 필요합니다.
v1.5 FaceID Plus v2#
FaceID Plus의 개선 버전인 이 모델은 더 세부적인 얼굴 컨디셔닝을 위한 향상된 기능을 도입했습니다. FaceID Plus와 마찬가지로 ViT-H 이미지 인코더를 활용합니다. 이 모델은 보다 세부적인 요구 사항에 부합하는 얼굴 모델링의 품질 향상을 목표로 합니다.
v1.5 FaceID Portrait#
초상화 전용으로 설계된 이 모델은 CLIP 비전 인코더를 사용하지 않습니다. 초상화 설정 내에서 고품질 얼굴 이미지 생성에 중점을 두어 초상화 이미지 생성을 위한 특화된 접근 방식을 제공합니다.
SDXL FaceID#
SDXL 아키텍처에 맞게 조정된 FaceID의 SDXL 버전으로, CLIP 비전 인코더를 사용하지 않습니다. SDXL 제품군 내에서 기본 모델 역할을 하며, 얼굴 인식 작업에 중점을 둔 확장 가능한 딥 러닝 아키텍처를 위해 설계되었습니다.
SDXL FaceID Plus v2#
SDXL 아키텍처를 위한 FaceID 모델의 강화 버전으로, ViT-H 이미지 인코더를 활용합니다. SDXL 프레임워크 내에서 향상된 얼굴 컨디셔닝 효과를 제공하기 위해 설계되었으며, 고품질 이미지 생성 작업을 목표로 합니다.
3. IPAdapter FaceID/FaceID Plus 사용 방법#
3.1. FaceID/FaceID Plus 모델 선택#
원하는 FaceID 또는 FaceID Plus 모델을 선택하여 이미지 제작을 시작하세요. 설정에서 가중치와 노이즈를 조정하는 옵션을 찾을 수 있습니다. 이러한 조정은 생성된 이미지의 모양을 미세 조정하여 목표로 하는 정확한 모습을 구현하는 데 핵심입니다.
3.2. 참조 이미지 준비#
IPAdapter FaceID 노드를 사용할 때 CLIP 비전 모델은 참조 이미지의 크기를 조정하고 중앙에 맞추어 224x224 픽셀 크기로 처리합니다. 이 자동 조정은 이미지의 중앙에 초점을 맞추므로 캐릭터의 얼굴과 같은 이미지의 주요 대상이 중앙에 위치하는 것이 중요합니다. 특히 세로 또는 가로 이미지에서 대상이 중앙에서 벗어난 경우 결과가 기대에 미치지 못할 수 있습니다. 최상의 결과를 얻으려면 대상이 중앙에 위치한 정사각형 이미지를 사용하는 것이 좋습니다.
