Flux | 使用提示词和LoRA控制布局和背景清晰度
大家好！今天，我很高兴与大家分享一些我在使用Flux模型时学到的重要技巧。在过去的几天里，我生成了大约500张图片，通过调整提示词和LoRA，探索了如何通过不同的提示结构来控制图像的布局和背景清晰度。
在这篇文章中，我将详细介绍这些技巧，并展示如何在您自己的图像生成项目中使用它们。
让我们开始吧！
你还可以查看本篇文章的精彩视频教程：
1. 使用提示词结构控制布局
控制图像布局最有效的方法之一是通过调整您在提示词中描述场景的方式。具体来说，您提供的细节程度以及描述的顺序对主体在画面中的大小和背景的清晰度有重大影响。
示例 1：主体优先
请看以下提示词：
A fisherman wearing a worn cap and a thick sweater, net slung over his shoulder, face weathered by the sea; a lively harbor at dawn.
一个戴着破旧帽子、穿着厚毛衣的渔夫，肩上挂着渔网，脸上布满海风的痕迹；黎明时分的热闹港口。
在这个例子中，大部分细节都集中在渔夫身上，而对港口的描述很简略。因此，生成的图像会主要聚焦于渔夫，渔夫在画面中占主导地位，而背景（港口）则模糊且不太详细。
示例 2：背景优先
现在，让我们将重点转移到背景上。将提示词修改为：
A lively harbor at dawn, with fishing boats rocking in the water, seagulls circling overhead; a fisherman in the distance, wearing a worn cap and sweater, net slung over his shoulder.
黎明时分的热闹港口，渔船在水中摇曳，海鸥在空中盘旋；远处有一个渔夫，戴着破旧的帽子和毛衣，肩上挂着渔网。
在这里，港口的详细描述占据了主导地位。生成的图像会更加突出港口，背景会更加清晰，而渔夫则出现在远处，画面中他显得较小。通过简单地改变描述的顺序和重点，我们就能得到完全不同的结果。
关键要点
通过改变提示词中各元素的描述顺序和细节层次，可以控制图像的焦点部分以及背景的清晰程度。
2. 内容如何影响背景清晰度
图像中背景的清晰度不仅受提示词中细节程度的影响，还与背景内容本身有关。从我在Flux模型上的实验来看，它几乎像一个智能摄影师，根据提示词中的描述自动调整模糊程度。
让我们通过一些例子来展示提示词的措辞如何影响背景的焦点和清晰度。
示例 1：高度详细的背景，模糊的主体
看看以下提示词：
A snowy alpine village nestled among towering peaks with snow-capped mountains, smoke rising from cozy chalets, skiers carving paths down pristine slopes; evergreen trees dusted with fresh snow, the crisp air filled with laughter and the aroma of hot cocoa; a snowboarder adjusting his goggles, breath forming clouds in the cold air, eyes reflecting excitement.
一个被高耸山峰环绕的雪地山村，积雪覆盖的群山，温暖的木屋冒着烟，滑雪者在洁白的坡道上飞驰；常青树上覆盖着新雪，空气清新，充满笑声和热可可的香气；一个滑雪者正调整护目镜，寒冷的空气中他的呼吸凝成云雾，眼中充满了兴奋。
在这个提示词中，大部分描述都集中在景观上——阿尔卑斯山村、群山和常青树。由于对景观的描述如此详细，生成的图像使背景变得非常大且清晰。相比之下，滑雪者显得很小且遥远，虽然提到了他的动作，但由于他占据画面较少，细节并没有得到很好捕捉。
这表明，提示词中对背景的描述细节相对于主体的描述，直接影响了每个元素在画面中的清晰度和大小。背景描述越详细，它就会越清晰且突出。
示例 2：通过简单调整让主体成为焦点
现在，让我们通过在滑雪者前加上短语“特写镜头”来调整原始提示词：
A snowy alpine village nestled among towering peaks with snow-capped mountains, smoke rising from cozy chalets, skiers carving paths down pristine slopes; evergreen trees dusted with fresh snow, the crisp air filled with laughter and the aroma of hot cocoa; a closeup shot of a snowboarder adjusting their goggles, breath forming clouds in the cold air, eyes reflecting excitement.
一个被高耸山峰环绕的雪地山村，积雪覆盖的群山，温暖的木屋冒着烟，滑雪者在洁白的坡道上飞驰；常青树上覆盖着新雪，空气清新，充满笑声和热可可的香气；一个滑雪者的特写镜头，他正在调整护目镜，寒冷的空气中呼吸凝成云雾，眼中充满了兴奋。
通过这个小调整，图像发生了巨大变化。滑雪者现在变得更大，画面中占据更多空间。虽然背景依然清晰，但滑雪者成为了主要焦点，占据了前景。不过，尽管滑雪者更加突出，但他调整护目镜的动作仍未完全被捕捉到。这引出了一个重要问题：添加“特写”可以增加主体的大小，但并不一定使主体的每个动作细节都清晰可见，尤其是当背景仍然相对详细时。
示例 3：减少背景细节以突出动作
让我们再做一次修改，这次通过减少对背景的描述：
a snowy alpine village; a snowboarder adjusting their goggles, breath forming clouds in the cold air, eyes reflecting excitement
一个雪地山村；一个滑雪者正在调整护目镜，寒冷的空气中呼吸凝成云雾，眼中充满兴奋。
在这个提示词中，我们大幅削减了背景的细节，更多地集中在滑雪者的动作上。因此，生成的图像会更清晰地展示滑雪者，甚至捕捉到了他调整护目镜的具体动作。布局从远景的半身镜头变成了更近、更详细的全身镜头。
不过，这里有一个权衡：背景变得更加模糊，因为不再对其进行详细描述。提示词中对主体和背景的关注度直接影响了它们各自在画面中的清晰度和平衡。
示例 4：通过改变主体顺序获得不同布局
让我们进一步实验，将滑雪者放在提示词的开头：
a snowboarder adjusting their goggles, breath forming clouds in the cold air, eyes reflecting excitement; a snowy alpine village
一个滑雪者正在调整护目镜，寒冷的空气中呼吸凝成云雾，眼中充满兴奋；一个雪地山村。
在这个版本中，滑雪者的细节是图像的主要焦点。他在画面中占据了很大的空间，所有描述细节——从他的呼吸形成的云雾到眼中的兴奋——都被清晰地描绘出来。而背景几乎不可见，严重模糊，画面中占据很少部分。
结果对比
通过对比从这些不同提示词生成的图像，可以看出内容的顺序和描述的详细程度直接影响背景的清晰度和主体的大小。
- 在第一个例子中，滑雪者在远处且很小，背景非常清晰且详细。
- 在第二个例子中，滑雪者变大了，但他的动作仍难以看清。
- 在第三个例子中，我们清晰地看到滑雪者调整护目镜，但背景变得模糊。
- 在第四个例子中，滑雪者主导了画面，而背景几乎成了附带元素。
提示词的结构和描述顺序对主体大小和背景清晰度有重要影响。
这种差异可能很明显,让我们再看几幅图片。请注意,内容的顺序仍然对整体布局有很大影响。
一些能产生影响的关键词
在这些例子中，一个产生显著效果的关键词是“特写镜头closeup shot of”。这是一个非常有效的工具，可以让主体成为焦点，并显著改变图像的构图。同样，使用“in the distance远处”或“foreground前景”等短语，也可以调整主体和背景之间的焦点。这些短语允许您微调图像的视角和平衡。
关键要点
提示词的内容直接影响背景是清晰还是模糊。当您添加更多背景细节时，背景会变得更加清晰和突出。如果您希望主体主导画面，减少对背景的描述或将主体放在提示词的开头，可以将焦点转移到主体上。
3. 使用关键词调整布局
提示词中的某些关键词可以直接控制主体在画面中占据的空间大小以及背景的清晰度。这些关键词像指令一样，影响图像的焦点。
特写镜头
使主体成为焦点，增大并使其更加详细，而背景变得模糊。
远处
将主体推远，使背景变得更加突出和清晰。
鸟瞰图
将视角转为更高、更远的视点，捕捉更多背景，减少主体的突出性。
这些关键词为您提供了强大的控制能力，能够灵活地调整生成图像的布局，使您可以更轻松地实现所需的视觉效果。
4. 使用LoRA控制背景清晰度
在使用Flux模型生成图像时，常见的一个挑战是：当主体在画面中占据更多空间时，背景往往会变得过于模糊。这可能是个问题，尤其是当背景在设定场景或增强图像整体氛围中起着至关重要作用时。
例如，看看以下这些图片：
那么，如何在保持主体清晰的同时，确保背景也保持清晰、详细呢？
一种方法是在提示词中为背景添加更多细节。然而，每次都写出冗长复杂的提示词并不总是理想的，特别是在您想要保持主体与背景之间的平衡，而不希望提示词过于繁杂时。
引入LoRA：更高效的解决方案
一种更高效的方法是使用LoRA（低秩适应）来控制背景的清晰度，而不仅仅依赖于提示词。LoRA允许您微调模型的行为，特别是减少背景中的模糊程度，而不影响主体的大小或焦点。
LoRA的工作原理
LoRA实际上是一种轻量级的修改，能够将预训练模型适配到您的特定需求上，在这个案例中，它可以帮助减少背景模糊。当像Flux这样的模型生成的图像背景不够清晰时，LoRA尤其有用。
在ComfyUI中设置LoRA
为了简化流程，我已经在ComfyUI中为您设置了一个自定义工作流。下载链接：
工作流：
消除模糊Flux LoRA：
工作流概述
在工作流的左侧，您会看到一个标准的Flux模型设置，但增加了一个LoRA节点来管理背景模糊。下面是如何设置和有效使用LoRA的步骤：
- 加载LoRA节点：在预配置的ComfyUI工作流中，您会看到Flux模型作为基础模型。不过，我专门添加了一个用于减少背景模糊的LoRA节点。您可以根据需要调整LoRA的强度。为了演示，我将LoRA的强度设置为最大值2，但您可以根据自己的需求微调这个设置，以找到图像的最佳平衡点。
- 使用更高效的KSampler：与传统的KSampler（Stable Diffusion工作流中的标准采样方法）相比，我选择了一个更高效的KSampler。这有助于简化过程，并在使用LoRA时产生更干净的结果。
高分辨率修复工作流
工作流的右侧，我们处理高分辨率修复，进一步提高最终图像的清晰度和质量：
- 首先，我们使用Upscale Latent节点来提高图像的分辨率，增强其整体清晰度。
- 然后，我们应用图像到图像重绘，进一步优化图像，确保尤其是背景中的任何模糊现象得到最小化。
LoRA与无LoRA的对比
现在，让我们对比一组使用和不使用LoRA生成的图像：
- 第一张图片使用的是未应用LoRA的Flux模型。如您所见，虽然主体很清晰，占据了画面的很大一部分，但背景非常模糊。
- 第二张图片应用了LoRA。这里，背景变得更加清晰，即使主体依然占据画面的大部分空间。LoRA能够在不影响主体清晰度的情况下，让背景更加详细。
通过将LoRA与高分辨率修复结合使用，最终的结果是背景更加清晰、更具细节。这为解决使用Flux或类似模型时背景模糊的问题提供了一个实用而高效的解决方案。
自定义LoRA强度
使用LoRA的另一个优势是，您可以根据需要自定义其强度。如果您觉得背景仍然过于模糊或过于清晰，可以通过调整LoRA节点的强度来获得更精细的控制。这种灵活性允许您生成在主体聚焦和背景细节之间达到理想平衡的图像。
在您的下一个图像生成项目中试试使用LoRA，看看它能带来怎样的不同效果！
结论
总结一下，这里是控制Flux图像布局和清晰度的关键技巧：
- 通过调整提示词中的细节层次，可以控制主体的大小和背景的清晰度。
- 通过改变描述顺序，可以在主体和背景之间切换焦点。
- 使用关键词，如“特写镜头”或“远处”，可以微调图像的布局和视角。
- 如果在聚焦主体时背景变得过于模糊，可以使用LoRA来在不牺牲主体大小的情况下使背景变得更加清晰。
掌握这些技巧，您将能够更好地控制图像的构图，轻松创造出您想要的视觉风格。希望这些技巧对您有所帮助！
