Vấn đề lớn nhất khiến AI khó ứng dụng vào các chiến dịch quảng cáo dài hạn là "mỗi lần render ra một khuôn mặt khác nhau". Trong bài kiểm thử thực chiến này, AChau AI Research đã thực hiện 20 góc máy với ánh sáng ngược, cận cảnh macro và chuyển động biểu cảm để đo lường giới hạn chịu đựng của mô hình Flux 2.
1. Thách thức về độ nhất quán gương mặt trong kỷ nguyên GenAI
Trước đây, các phương pháp như InstantID hay IP-Adapter thường làm mất cấu trúc da tự nhiên hoặc khiến ánh mắt bị đờ đẫn (uncanny valley). Với kiến trúc Flux 2 Diffusion Transformer kết hợp cơ chế chú ý chéo (Cross-Attention) chính xác, chúng ta có thể bảo lưu tới 94% đặc điểm nhân dạng sinh trắc học.
2. Kiến trúc Flux 2 DiT (Diffusion Transformer)
Flux 2 thay thế hoàn toàn mạng U-Net truyền thống bằng các khối Transformer kép (Dual-Stream Blocks). Điều này cho phép mô hình xử lý đồng thời không gian ngữ nghĩa văn bản và không gian latent hình ảnh mà không làm mờ các chi tiết tần số cao như nốt ruồi, nếp nhăn hay cấu trúc xương hàm.
2.1. Quy trình huấn luyện LoRA Face-Lock 12 bước
Để đạt độ chính xác thương mại, bộ dữ liệu huấn luyện cần gồm 25 bức ảnh chất lượng cao:
- 10 ảnh chân dung trực diện với các biểu cảm khác nhau (cười, nghiêm túc, ngạc nhiên).
- 8 ảnh góc nghiêng 45 độ và góc nghiêng tuyệt đối (profile shot).
- 7 ảnh trong các điều kiện ánh sáng gắt (nắng trưa, neon đêm, ánh sáng studio mềm).
3. Bảng đo lường sai số nhận diện (ArcFace Cosine Similarity)
Bảng tổng hợp điểm số tương đồng đo được qua mô hình nhận diện khuôn mặt chuyên dụng InsightFace ArcFace:
| Góc máy / Điều kiện ánh sáng | Flux 1 Dev (Gốc) | SDXL IP-Adapter | Flux 2 + LoRA Face-Lock | Đánh giá thẩm mỹ |
|---|---|---|---|---|
| Chân dung studio trực diện | 0.742 | 0.812 | 0.945 | Rất tự nhiên, da có lỗ chân lông |
| Góc nghiêng nhìn lên trời | 0.560 | 0.680 | 0.864 | Không bị méo cằm hay lệch sống mũi |
| Ánh sáng ngược (Rim light) | 0.510 | 0.640 | 0.880 | Tóc tách sáng sắc nét, không halo |
| Cười tươi lộ răng | 0.620 | 0.710 | 0.910 | Răng đều tự nhiên, cơ má tự nhiên |
4. Video kiểm thử chuyển góc 360 độ quanh nhân vật
Video dưới đây ghi lại chuyển động camera quay xung quanh nhân vật từ trước ra sau, xác nhận cấu trúc gương mặt không bị biến dạng khi góc quay thay đổi liên tục:
5. Bộ node ComfyUI tối ưu cho GPU 16GB VRAM
Đối với card đồ họa RTX 4080 (16GB) hoặc Apple Silicon M3/M4 (36GB+), chúng tôi đề xuất sử dụng bản định lượng flux2-dev-Q4_K_S.gguf kết hợp node GGUF DualCLIPLoader để giảm tải bộ nhớ 50% mà vẫn giữ nguyên tốc độ render dưới 12 giây/ảnh.
