直接反演结果偏洋红色

[xuyu666]

哈喽哥，最近在使用DragDiffusion的时候发现，单张真实图像经过Lora后，不采用Drag的方式出来（直接反演run），结果会比原图偏向洋红色（多张实验结果都是这样），想问下您有什么方法解决么~
输入图（左），输出图（右）

[Yujun-Shi]

哈喽，两个可能的解决思路哈：1）LoRA的训练步数稍微多一点；2）inversion strength稍微调小一点（比如0.6~0.7的样子）

[xuyu666]

谢谢，我尝试这两个解决思路后，效果仍然偏洋红色，想问下你使用的时候存在这样的现象么，能否展示下你那边的结果~
原图如下：

[Yujun-Shi]

我刚才尝试了一下，我估计是因为图片的插值的问题。因为我这边每次输入一张图片之后，都会在维持原图片长宽比情况下把宽resize到512。估计是resize的时候引入的这个artifacts。

[xuyu666]

谢谢你，我多尝试下512原分辨率的图。其实我有点怀疑是不是Stablediffusion框架自身的存在的偏移或者其训练数据的整体偏移哈哈<惊讶>
相关文章链接：
Sygil-Dev/sygil-webui#457
https://www.reddit.com/r/StableDiffusion/comments/ydwnc3/good_news_vae_prevents_the_loopback_magenta_skew/?rdt=39381

[Yujun-Shi]

对，我确实比较倾向于认为可能是vae的问题。就是vae本身encode这个图片的过程也没有特别完美

[xuyu666]

针对这个问题，我做了以下实验：
1、直接VAE反演 --》输出存在红色偏移。
2、使用单张输入图对 VAE 的decoder进行微调，红色偏移消除。
3、将微调后的VAE加入SD过程，反演图恢复正常。--》说明采样过程影响较小？
4、经过编辑后，中间向量的变化导致最终的结果图仍然色彩不对应（尽管有 mask区域的损失监督）。

针对编辑过程改变中间向量，导致最终结果仍然效果不对的情况（即使对单张输入图进行VAE微调，使其能正确反演），你有什么好的建议么~

[Yujun-Shi]

我的理解是：微调vae的decoder可能会导致decoder在给定原图上的过拟合。所以在编辑过后，可能还是无法比较好的处理编辑后的latent。我个人认为最终这种artifact的解决还是要靠更好的模型。因为可能现在vae的channel数（4个channel）还是太低了，会造成比较严重的信息损失。
参考这篇文章：https://arxiv.org/abs/2309.15807
他们就提出，把vae的channel数增多可以解决一些经典的artifacts。我感觉用这种策略应该也可以缓解你遇到的颜色偏移的问题。

但是不幸的是，这个模型似乎不会开源。。。

当然，我后续会update一下看看更好的开源模型（比如stablediffusion-xl）会不会稍微好一些。

[xuyu666]

好的，谢谢你耐心的回复，这个文章我也有注意到，确实是vae自身上限的问题~