Alissonerdx/CharacterSheet

이미지 입력을 받아 동일한 캐릭터의 전신 전면·측면·후면과 얼굴 클로즈업 같은 정리된 레퍼런스 뷰를 생성하는 image-to-image 작업을 수행하는 LoRA 모듈 컬렉션입니다. 입력으로는 단일 인물의 클리어한 레퍼런스 이미지가 필요하며 출력은 멀티뷰 캐릭터 시트 포맷으로 구성됩니다. 이 파이프라인은 캐릭터의 신원, 의상, 비율을 여러 시점에 일관되게 유지하는 것을 목표로 설계되었습니다.civitai-model-license

입력 이미지를 전·측·후 및 얼굴 클로즈업 레퍼런스 시트로 변환

학습 방식 · 모델은 LoRA 방식으로 학습된 가중치 모음이며 README에 따르면 약 300개의 캐릭터 시트 예제로 학습이 이루어졌습니다. 베이스 모델로는 FLUX.2 Klein 9B와 Krea 2가 명시되어 있어 실제 적용 시 해당 베이스 모델과 페어링하는 것이 전제 조건입니다. 세부적인 최적화 기법(SFT/DPO/RLHF 등)이나 학습 하이퍼파라미터는 공개되지 않아 사용자는 제공된 워크플로우와 권장 설정을 시작점으로 삼아야 합니다.

TL;DR

CharacterSheet는 FLUX.2 Klein 9B와 Krea 2 같은 베이스 모델에 적용하는 image-to-image LoRA 컬렉션으로, 단일 레퍼런스 이미지를 전·측·후(및 얼굴 클로즈업) 멀티뷰 캐릭터 시트로 변환하는 데 최적화되어 있습니다. 약 300개의 캐릭터 시트 예제로 학습되어 인간형 캐릭터에서 가장 안정적인 결과를 보여주며, ComfyUI용 워크플로우와 권장 설정이 함께 제공되어 바로 실험해볼 수 있습니다. 데이터 분포와 모델 특성상 복잡한 액세서리·비대칭 디자인·비인간형 피사체는 일관성 유지가 어려워 추가 생성이나 수동 보정이 권장됩니다.

핵심 포인트

CharacterSheet는 단독 체크포인트가 아닌 LoRA 가중치 모음으로서 FLUX.2 Klein 9B와 Krea 2 같은 특정 베이스 모델에 적용하도록 제작되어 있습니다. 각 파일에는 해당 베이스 모델과 호환되는 ComfyUI 워크플로우 JSON이 포함되어 있어 사용자가 해당 워크플로우를 불러오면 LoRA 로더에서 바로 적용할 수 있습니다. 이 설계는 베이스 모델의 표현력을 그대로 활용하면서도 멀티뷰 생성 성능을 보완하려는 목적을 가집니다.
학습 데이터는 약 300개의 캐릭터 시트 예제로 제한되어 있으며 학습 초점은 주로 인간형 캐릭터였습니다. 그 결과 인간 캐릭터에서 가장 안정적인 멀티뷰 보존 성능을 보이지만 애니메·동물·크리처 등 스타일화된 피사체에서는 일관성이 떨어질 수 있습니다. 데이터 규모와 분포가 제한적이기 때문에 상세 액세서리나 복잡한 비대칭 디자인 보존에는 추가 생성이나 수작업 후처리가 권장됩니다.
제공되는 변형은 TripleView(전면·측면·후면)와 QuadView(얼굴 클로즈업 포함) 두 가지 레이아웃으로 구성되어 있어 캐릭터 디자인 및 turnaround 제작 워크플로우에 바로 투입할 수 있습니다. 권장 설정(해상도, 스텝 수, CFG, 샘플러, LoRA 강도)과 ComfyUI용 워크플로우가 함께 제공되어 초보자도 빠르게 시도해볼 수 있습니다. Krea 2 버전은 Turbo/Raw에 따른 스텝·CFG 권장치도 명시되어 있어 베이스 모델 특성에 맞춘 조정이 용이합니다.

제한사항

학습 데이터 분포가 인간형 캐릭터에 편중되어 있어 비인간적 혹은 과도하게 스타일화된 캐릭터에서는 출력 결과의 일관성이 떨어질 가능성이 높습니다. 이 경우에는 여러 번 생성하거나 수동 보정을 통해 옳은 레퍼런스를 만들 필요가 있습니다. 또한 복잡한 의상 구조나 손과 같은 세부 부위는 원본과 완전 일치하지 않을 수 있습니다.
측면 및 후면 뷰는 전면 이미지의 정보만으로 정확히 생성하기 어려워 추가 생성 샘플링이나 포즈·카메라 가이드가 필요할 수 있습니다. README에서도 측면·후면 뷰에 대해 추가 생성과 수동 정리가 권장됩니다. 따라서 캐릭터 데이터셋을 자동화하여 대량 생성할 때는 검수 파이프라인을 병행해야 품질을 확보할 수 있습니다.
세밀한 액세서리, 비대칭 디자인, 특이한 텍스처와 복잡한 의상은 보존이 어려운 편이며 이러한 요소들이 디자인에서 중요하다면 후속 수작업이 권장됩니다. LoRA 강도를 높이면 형태 유지가 개선될 수 있으나 과도하면 베이스 모델의 표현이 손상될 가능성이 있어 균형 조정이 필요합니다. 제공된 권장 LoRA strength와 워크플로우를 먼저 테스트한 후 세부 조정을 권합니다.