大家好，我是程序员晓晓
今天给大家分享一下最近部分小伙伴私信问我的是否可以提供一下有真实皮肤质感的模型，以及聊一下关于皮肤质感的问题。
SD大模型发展至今，不得不说，很多大模型本身皮肤质感都很不错的，因为很多大模型都做了皮肤质感的优化训练。还有很多大模型命名都带有"质感"等关键词。
比如：D系列-极致质感-DgirlV5，这是一个在哩不哩布上面使用和下载量也非常高的大模型。
关于人物皮肤质感，大家可以作为模型选择的参考指标之一。虽然很多大模型人物皮肤质感都很不错，但是也有很多大模型皮肤质感一般，对于人物皮肤质感一般的大模型来说，可以借助皮肤质感的LORA模型来提升人物的皮肤质感的。
目前使用量最大的皮肤质感LORA模型是林鹤-皮肤质感调整器，目前提供了2个版本，基于SD1.5的版本和基于SDXL的版本（需要会员）。分别对应上面图片中的第一个和第二个模型。
下面我们以使用量最大的基于SD1.5的LORA模型：林鹤-皮肤质感调整器为例来说明一下使用皮肤质感LORA和不使用皮肤质感LORA在生成的图片上面效果有什么区别。
一. 林鹤-皮肤质感调整器LORA模型
作者对皮肤质感调整器LORA模型的功能做了详细的介绍。
拒绝AI塑胶感，拒绝强曝光，
增加皮肤肌理，质感增强，同时柔化光源！
本lora为功能性lora，单纯作用皮肤纹理。不影响画面其他，不影响人物
应用在所有人物写实场景中，可以和其他lora混合配合使用。
泛化性极高,适用于不同大模型。写实类适用性最好
Lora 模型下载（请看下方扫描免费获取哦）
二. 皮肤质感LORA模型对比
我们来对比一下未使用和使用林鹤-皮肤质感调整器在出图效果方面的区别。
公共参数设置
大模型：majicMIX realistic 麦橘写实_v7.safetensors
VAE模型：vae-ft-mse-840000-ema-pruned.safetensors
正向提示词：1 girl,solo(提示词比较简单，让大模型充分发挥创意)
反向提示词：(NSFW:1.3),teeth,(cleavage),(worst quality:1.65),(low quality:1.2),(normal quality:1.2),low resolution,watermark,dark spots,blemishes,dull eyes,wrong teeth,red teeth,bad tooth,Multiple people,broken eyelashes,(badhandv4-AnimeIllustDiffusion_badhandv4:1.2),(EasyNegative:1.2),
采样方法：DPM++ 2M Karras
采样迭代步数：30
提示词相关性(CFG Scale): 7
图片宽高：768*512
开启After Detailer插件，模型选择face_yolov8n
对比相关的参数设置
LOAR模型：使用林鹤-皮肤质感调整器LORA模型的权重设置为0.8
随机数种子（Seed）: 为了便于图片对比，我们需保证生成图片的一致性，我们将使用LORA模型时的随机数种子值等于原图片的随机数种子值。这样可以保证画面元素变动会比较少。
ControlNet设置：为了便于图片对比，我们将画面的元素尽量保持一致。
这里再使用ControlNet的Lineart(线稿）模型来控制画面元素的一致。
下面我们来看一下对比的效果（左边是未使用皮肤质感LOAR）
我们再看一下在光源下面的对比效果（左边是未使用皮肤质感LOAR）
可能会有部分小伙伴觉得未使用和使用皮肤质感LORA生成的图片效果并不大，甚至还有觉得未使用皮肤质感的LORA生成的图片效果更好，这个也是正常的，毕竟这里使用的是麦橘写实大模型，在SD1.5写实大模型属于使用量最大的大模型之一，出图的效果已经是相当出色了。
但是另一方面，我们也可以看到使用了使用皮肤质感LOAR对图片的画质在某些方面的改善效果还是有明显的。大家也不用太纠结在使用真人模型的时候是否一定要使用这些皮肤质感的LORA模型，关键还是要多实践，多出图比较。
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
总结
### 文章总结**标题**： 程序员晓晓分享：提升模型皮肤质感的方法与AIGC技术展望
**主要内容**：
1. **皮肤质感模型介绍**：
- 晓晓作为程序员，分享了关于提升模型皮肤质感的需求和现状。
- 提到SD大模型普遍在皮肤质感上进行了优化，如D系列-极致质感-DgirlV5等模型。
- 对于皮肤质感一般的模型，推荐使用LORA模型（如林鹤-皮肤质感调整器）来提升质感。
2. **林鹤-皮肤质感调整器LORA模型详解**：
- 拒绝AI塑胶感和强曝光，增加皮肤肌理，质感增强并柔化光源。
- 功能性LORA，仅作用于皮肤纹理，不影响画面其他元素。
- 泛化性高，适用于不同大模型，写实类适用性最佳。
3. **对比实验**：
- 使用麦橘写实大模型进行对比实验，展示使用与未使用林鹤-皮肤质感调整器的效果差异。
- 强调虽然差异可能不明显，但使用LORA模型在某些方面能改善画质。
4. **AIGC技术展望**：
- AIGC技术未来发展前景广阔，将在游戏和计算领域得到更广泛应用。
- AIGC技术与人工智能技术紧密结合，将在更多领域发挥作用，对程序员影响深远。
5. **学习资源推荐**：
- 提供AIGC所有方向的学习路线、必备工具、最新学习笔记、视频教程合集及实战案例。
- 鼓励学习者通过多实践、多比较来提升自己的技能。
**总结**：
本文不仅介绍了如何通过LORA模型提升模型皮肤质感，还展望了AIGC技术的未来发展，并提供了丰富的学习资源，旨在帮助读者在AIGC领域不断进步。