人物一致性--LoRA训练（四）动物IP形象数据集制作
前言
通过骨骼图的方式虽然可以较好地实现真实人物或动漫角色的生成，但对于非人物类的 IP 形象（如动物、拟人化形象等）则存在明显限制。 Redux 模型 在风格保持与一致性方面表现出色，启发了一种新的思路：结合图像融合技术，可高效构建动物类数据集。
进一步地，若搭配 FluxFill + Redux 进行图像扩展与内容填充，不仅能够增强图像完整性，还能大幅提升数据集的风格多样性与实用性。因此，本文将系统性地介绍该方法在非人物 IP 数据集制作中的应用流程与操作细节。
基于本文方法训练的Lora模型示例：点击查看
资源整合包：点击跳转
视频教程：点击跳转
数据集的生成方式多种多样，若目标是构建动物类 IP 形象，可直接依托 Flux 模型 进行生成。正如 IC-Context-LoRA 所强调的那样，Flux 模型本身具备出色的上下文理解能力，关键在于如何有效调用与引导这种能力。
下图展示的是基础的 Flux 文生图工作流，可通过简洁的提示词快速生成风格统一的 IP 形象，适用于构建初始动物类数据集。（该工作流可通过网盘资源获取）
示例提示词：
A design with multiple perspectives of a cute little raccoon on a pure white background, featuring nine different angles and actions, wearing a large yellow flat topped straw hat, blue big eyes, cute pink tail, rich colors, and accessories.
中文翻译：
一个在纯白背景上展现多个视角的可爱小浣熊设计，包含九种不同的角度与动作，佩戴一顶黄色平顶草帽，拥有蓝色大眼睛和粉红色尾巴，整体色彩丰富，并带有配饰。
如果目标是生成具备一致性的数据集，那么在提示词中加入“多视角 xxx 的设计图”是至关重要的一环。“设计图”这一概念本身就蕴含了统一性与结构性，对于模型而言具有强提示性。因此，建议将该描述置于提示词前部，以提升其权重并增强模型的执行力，从而更准确地引导生成结果。
然而，这种方式通常仅能生成9张图像，对于 LoRA 模型的训练而言显然不够。通常建议的数据集应包含 20 张以上图像，并覆盖多个视角、不同分辨率与多样化表情等要素，以提升训练效果与泛化能力。
因此，下一步可以引入 Redux + FluxFill 的组合，通过图像扩展与填充技术进一步丰富图像数量与细节，在保证风格与角色一致性的同时，有效扩展数据集容量，为 LoRA 训练打下基础。
扩图结果如下图所示，从原始的 3×3 扩展至 5×5，数据集由 9 张图像增至 25 张，同时保持了极高的一致性表现。例如，角色的装饰元素与标志性的粉色尾巴在所有图像中均得以准确还原。经过进一步的图像分割与高清放大后，这批数据即可直接用于 LoRA 模型训练。
若对图像质量有更高要求，也可在此基础上进行后续的图像修复操作，以进一步完善数据集内容。（相关工作流可在网盘中找到，名称为 FluxFill + Redux）
在该工作流中，扩图过程不仅依赖 Redux 对原图形象的参考，还需结合提示词对生成进行引导。此时，建议在提示词中加入诸如“一致的形象”等关键词，以增强模型在扩展过程中的风格统一与内容控制能力，从而构建出高质量、一致性强的扩展图像数据集。
此外，还可以基于 Redux 实现图像融合，以制作动物人风格的数据集。具体方法为：将此前生成的人物图像数据集作为融合图的一部分，控制最终图像中的角色结构与分布，再将目标动物形象作为第二输入条件，通过融合过程实现动物人角色的生成。如下图所示，融合效果可较好地保留人物特征与动物形象的结合，构建出具有辨识度与一致性的混合风格角色。
但需注意，初步生成的数据集中，角色的表情变化与脸部朝向可能不够多样。为增强数据多样性，可采用以下方法进行补充：
- 图像镜像反转：实现视角转换，增加样本覆盖；
- 多次运行工作流并更换种子：生成更多变体，从中挑选风格与特征高度一致的图像用于数据集构建。
可根据需求进行灵活组合与拓展，用于构建具有高度风格融合且角色一致性良好的动物人训练数据集。（相关工作流可在网盘中找到，名称为 Redux+ duble）
在完成数据集的处理与筛选后，可从中挑选约 20 张高质量图像，作为进行 标签标注 的样本。此环节在 LoRA 模型训练中至关重要，直接影响最终模型对特征的理解与表达效果。
关于标签标注的具体操作，B站已有详细的视频教程进行讲解，建议认真学习并熟悉整个流程，以确保训练质量。已完成标注的数据集与对应标签文件，已上传至网盘中的 Dreamoo 放大后的数据集 文件夹，供大家参考和借鉴，用于个人数据集的标注实践。
接下来即进入模型训练阶段。相关的训练工作流与参数设置已整理并上传至网盘，供参考使用。若不希望自行配置插件与环境，可直接下载 “整合包-人物一致性”，即可快速搭建完成 LoRA 模型训练流程。
具体操作细节可参考对应**视频教程**，此处不再赘述。下图展示的是最终训练完成的 LoRA 模型效果，角色名为 “dreamoo”。模型已上传至网盘，欢迎下载测试，祝大家创作愉快、玩得开心。