名称：Shirt Tug Pose (LORA)
类型：LoRA
基模：SD 1.5
大小：LoRA (144.12 MB)
文件：B5FAFBF424E5BB6B87B3D4D16DD60642.safetensors
页面：https://civitai.com/models/7706/shirt-tug-pose-lora
网盘：https://pan.baidu.com/s/1OhEdJt6UmIudq1SUx3k17g?pwd=jxj8
模型架构与训练方法
Shirt Tug Pose LoRA采用低秩适应技术，专门针对人物动态姿势进行精细化训练。该模型通过分解权重矩阵实现参数高效微调，在保持基础模型生成能力的同时，专门强化了衣物与人体互动关系的表现力。训练数据集包含多角度手部与布料交互的高质量图像，使用分层采样策略确保细节一致性。
核心特性与优势
模型擅长表现手指捏握布料时的自然褶皱形态，能准确生成衣物受拉力产生的物理变形效果。对袖口、衣摆等局部区域的动态表现尤为出色，支持生成从轻微拉扯到大幅度牵引的不同力度表现。其优势在于保持人体比例正确的前提下，实现服装材质与动作的合理匹配。
参数配置建议
推荐权重设置在0.6-0.8之间，过高会导致服装变形失真。触发词建议采用“shirt_tug”配合具体姿势描述，如“tugging sleeve”或“pulling hem”。采样步数建议25-30步，CFG值保持在7-9可获得最佳效果。需要配合适当的手部细节强化提示词使用。
应用场景指南
特别适用于角色互动场景创作，如表达羞涩、紧张等情绪时的肢体语言表现。在服装设计展示领域可用来表现面料弹性特征，也可用于动画关键帧的姿态生成。使用时应注意避免与复杂图案的服装同时使用，简约款式的衣物能更好展现模型优势。
后期处理建议
输出后可适当使用inpainting工具优化手指细节，建议采用低重绘幅度（0.3-0.5）微调布料褶皱区域。对于需要高分辨率的输出，建议使用分块放大法保持细节完整性。色彩校正时需注意保持布料受光面的自然渐变效果。
