Fooocus项目中改进动漫与绘画风格负向提示支持的技术探讨
2025-05-02 15:49:08作者:何将鹤
在AI图像生成领域,负向提示(negative prompt)技术对于控制生成质量起着至关重要的作用。本文将以Fooocus项目为例,深入分析当前动漫与绘画风格生成中负向提示存在的问题,并提出切实可行的优化方案。
当前技术现状分析
Fooocus项目现有的预设风格中,动漫风格(Anime preset)默认使用了"Fooocus Negative"作为负向提示模板。这一选择存在明显缺陷:
- 过度抑制问题:该模板不仅抑制了"动漫"相关词汇,还意外压制了"绘画、素描、卡通"等关键艺术表现形式,甚至重复抑制了"painting"等词汇
- 适用范围受限:对于非摄影类艺术创作,现有的"Fooocus Enhance"模板虽然有所改进,但仍包含对"半写实、3D角色"等艺术表现形式的抑制
技术优化方案
针对上述问题,我们提出创建"Fooocus Semi-Realistic"新模板的技术方案:
- 基础模板选择:以"Fooocus Enhance"为蓝本,保留其对"不良解剖结构、水印、裁剪"等质量问题的抑制
- 关键修改点:
- 移除"喷绘、卡通、动漫、半写实、CGI、渲染"等艺术表现形式的抑制
- 删除"3D游戏、3D角色"等可能影响艺术创作的负面词汇
- 后续优化中进一步移除了"灰度、黑白"限制,支持更广泛的艺术表现形式
技术实现路径
-
配置文件修改:
- 编辑sdxl_styles_fooocus.json,新增"Semi-Realistic"风格配置
- 调整anime.json中的default_styles设置,替换原有负向提示模板
-
测试验证:
- 通过生成对比样本验证修改效果
- 特别关注动漫、绘画、素描等多种艺术形式的生成质量
-
用户体验优化:
- 添加风格选择预览图
- 确保界面交互逻辑的一致性
技术价值与影响
这一优化将带来多方面提升:
- 艺术表现力增强:支持更丰富的非摄影类艺术创作
- 生成质量提升:在保留必要质量控制的同时,减少对艺术表现的限制
- 用户体验改善:为动漫、绘画等特定创作需求提供更精准的控制选项
该方案已通过实际测试验证,能够有效平衡生成质量与艺术表现自由度,为Fooocus项目的艺术创作能力带来显著提升。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
189
208
暂无简介
Dart
630
143
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
243
316
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
383
3.65 K
openGauss kernel ~ openGauss is an open source relational database management system
C++
158
210
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
296
107
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
648
269
仓颉编译器源码及 cjdb 调试工具。
C++
128
858