Wan 2.1 LoRA 학습 시 얼굴 유사도 문제 해결을 위한 Musubi Tuner 설정 최적화 논의

사용자의 구체적인 설정값 공유에 대해 유사한 문제를 겪는 이들이 관심을 보이고 있으며, 주로 드롭아웃 설정과 데이터셋 해상도에 대한 지적이 이어지고 있다.

• network_dropout 값을 0.1에서 0으로 변경하여 얼굴 세부 특징이 보존되도록 한다.
• 데이터셋 해상도를 1024x1024 이상으로 높여 모델이 더 많은 얼굴 정보를 학습하게 한다.
• learning_rate를 1e-4에서 약간 낮추거나 lr_scheduler 설정을 변경하여 수렴 안정성을 높인다.

• Wan 2.1 LoRA 학습 시 얼굴 유사도 확보를 위해서는 network_dropout 설정을 0으로 조정하는 것이 필수적이다.
• 14B 모델의 성능을 극대화하기 위해 640x640 이상의 고해상도 데이터셋 사용을 검토해야 한다.
• 학습률(Learning Rate)과 알파(Alpha) 값의 비율을 조정하여 얼굴 특징이 가중치에 더 강하게 반영되도록 유도해야 한다.