之前的文章已经和大家介绍过字节开源的ID保持项目PuLID。随着FLUX模型的发布，PuLID也开源了 FLUX 版本的模型，不得不说FLUX的强大，两个月生态就赶上了SDXL。这次新发布PuLID-FLUX-v0.9.0模型，它为FLUX.1-dev提供了无需调整的ID定制解决方案。
视觉结果
相关链接
项目介绍：https://github.com/ToTheBeginning/PuLID
ComfyUI链接：https://github.com/cubiq/PuLID_ComfyUI
huggingface演示：https://huggingface.co/spaces/yanze/PuLID-FLUX
实用技巧
有两个参数至关重要，需要仔细设置：
-
timestep to start inserting ID：此参数控制ID插入的时间。如果设置为0，则从第一个时间步开始将ID插入DIT。插入得越早，ID的保真度就越高，但可编辑性可能会降低。插入得越晚，ID的保真度就越低，但可编辑性会增加，对原始模型行为的破坏也会更小。为了生成逼真的图像，我们建议将其设置为4。如果你发现ID相似度不够高，你可以尝试相应地降低此参数。为了生成风格化的图像，我们建议将其设置为0-1。
-
true CFG scale：FLUX.1-dev 是一个指导性提取模型，将原有的需要两倍推理步骤的 CFG 流程提取为指导性尺度，从而通过指导性尺度调制 DIT，以一半的推理步骤模拟真实的 CFG 流程。在下文中我们将此称为 fake CFG。我们的 PuLID-FLUX 模型可以在 fake CFG 设置下进行测试，指导性尺度可以设置为常用值，例如 4。但是该模型也支持使用真实的 CFG 进行推理。我们在下面对比了在照片级真实场景中使用 true CFG 和 fake CFG 的结果。
如上图所示，在 ID 保真度方面，使用 fake CFG 在大多数情况下与 true CFG 相似，只是在少数情况下，true CFG 实现了更高的 ID 相似度。在图像美观度和面部自然度方面，fake CFG 表现更佳。但是，通过仔细调整超参数，真正的 CFG 的性能可能会进一步提高，我们留给社区去探索。因此，我们建议在照片级真实场景中使用假 CFG。如果您对 ID 保真度不满意，可以尝试切换到真正的 CFG。此外，如下所示，我们发现在风格化场景中使用假 CFG 有时会导致 ID 相似度较低和风格响应较差，因此在风格化场景中遇到这两个问题，可以切换到真正的 CFG。
一些技术细节
-
PuLID-FLUX-v0.9.0将ID编码器从MLP结构切换到Transformer结构。感兴趣的小伙伴户、可以参考源代码：源码链接
-
受到Flamingo的启发，每隔几个 DIT 块插入额外的交叉注意力块，以将 ID 特征与 DIT 图像特征进行交互。
-
加速方法（如 SDXL-Lightning）是一种可选的加速技巧，但它对于训练 PuLID 来说并非不可或缺。未来会更新 arxiv 论文的相关细节。请继续关注。
局限性
该模型目前处于测试版本，部分男性输入的身份保真度可能不高，也许模型需要更多训练。
