从“脸部”创建高保真全身照片 Qwen Image Edit + F2P LoRA 使用流程

这套方法的精髓在于利用 Qwen Image Edit 的局部编辑能力，配合 F2P (Face to Portrait) LoRA，实现从单一“脸部照片”到“全身/多风格肖像”的高保真转换。

一、 环境与资源准备

1. 基础模型：选择 Qwen Image Edit（基于通义千问的图像编辑模型）。

2. LoRA：加载 F2P LoRA（由 ModelScope 社区 Dent Studio 提供，基于一万多张高质量人像训练，兼顾特征一致性与人体审美）。

Qwen image edit 人像Lora：F2P 从人脸到全身/肖像下载

3. 软件工具：推荐使用 Draw Things 进行本地部署与操作。

二、 基础操作流程

1. 准备输入图：在网上截取一张人脸（甚至可以只有五官，排除发型干扰），放到 控制的创意板中作为参考。

2. 设置状态：确保主画布（Main Canvas）为 空（白色或透明），仅将人脸图作为逻辑输入的参考，而非直接在原图上叠加。

3. 提示词编写：

直接描述目标场景：像写普通文生图提示词一样描述你想要的结果。例如：“一位短发女生站在夕阳下的城市街道回眸”。（不要写逻辑词：避免使用“把图 A 变成图 B”之类的描述）

技巧：建议配合 GPT 等 AI 工具进行提示词增强，以获得更细腻的皮肤质感和光影表现。

三、 两大核心进阶技巧

1. LoRA 权重的灵魂调校

权重 100% (1.0)：模型会强制“复刻”原图脸部。虽然还原度极高，但由于模型无法根据新场景调整光影，画面会显得非常不自然（像贴上去的假脸）。尤其是当原图是正脸，而提示词要求侧脸回眸时，容易产生崩坏。

推荐权重 (0.3 – 0.7)：这是最完美的区间。适当降低权重能让脸部特征与新场景的提示词（如光影、侧面角度、表情）进行深度融合，让肖像看起来像是在该环境下真实拍摄的。

Screenshot

2. 解决全身照“脸崩”问题

当生成全景或全身肖像时，人脸在画幅中占比极小，采样不足会导致五官扭曲。
解决步骤：
1. 初稿生成：先根据提示词生成一张满意的全身构图。

2. 局部放大：在画布上将崩坏的脸部区域放大。

3. 局部重绘 (Inpaint)：使用笔刷将脸部涂抹（通常设为绿色掩码），提示词明确描述将该区域替换为目标人脸，进行二次高清重绘。

4. 最终产出：这样既能保留完美的全身构图，又能获得高保真的面部细节。

Screenshot

F2P LoRA 极大地拓展了 Qwen 图像编辑模型的能力。使用时请记住：少即是多，只提供清晰的脸部即可，剩下的背景、服装和氛围全交给提示词和 LoRA 权重去自由发挥。