Fizgig 推出 MOSS-Image 新训练法,人像相似度冲上 70% ArcFace
shootthesound · reddit · 2026-10-21
开源 LoRA 训练器 Fizgig 发布 8.8.1,核心是为 MOSS-Image 训练引入新的默认 Clean-end 比例「Slide」:
- Slide 调度:MOSS-Image 官方排程在接近干净的图像(人脸和细节学习的关键阶段)上步数太少,导致相似度提升慢、构图在不同 epoch 间跳动。Slide 前 7 个 epoch 把 60% 步数放在近干净图像,15 epoch 前降到 30%,之后每隔一个 epoch 回到 60% 防止相似度衰减。在最难的数据集上是作者八种设置中最好的:epoch 20 起到 60 保持约 70% ArcFace 相似度——同一人不同照片往往都到不了这个分。适合约 55 张图的小数据集,数据更多时稳态 40%(Single)可能更合适。
- SFT 观感预览:勾选后 Base 预览可获得接近 MOSS-Image SFT 的效果而无需换模型(首次下载约 2.1GB);每张放大预览现在都标注生成方式。
- Krea 2 在 16GB 卡上:NF4 放得下时不再启用重量级 block swapping,避免吃满 CPU。
作者还提醒更新 ComfyUI——本周更新后许多用户的 Fizgig LoRA 效果变好。
「多模态」频道最新
- ElevenLabs 推出 Chimera：Eleven v4 语音加 Seedance 视频让角色开口说话 — AIwithGhotai · 2026-10-23
- 用开源模型+Claude 把一段网球视频变成世界级教练 — tweetsatpreet · 2026-10-23
- 伯克利 StyleStream 2.0：流式语音转换延迟降至 520ms 提速一倍 — Berkeley · 2026-10-23
- AuroraTTS-100K：不到 100K 参数的英文 TTS，INT8 仅 127KB — Tall_Abrocoma_3533 · 2026-10-23
- FreeMatching:把图像生成器改造成通用稠密对应匹配器 — kwangmoo_yi · 2026-10-23
- 用 Claude 技能自动剪辑视频,作者公开完整工作流 — jacob_posel · 2026-10-23