本文围绕Flux Object Removal LoRA（项目flux-2-klein-4B-object-remove-lora）的scale参数展开调参实战。这个基于 FLUX.2-Klein 4B 训练的去物 LoRA 模型，只需在图片上圈出想删除的物体，它就能将其擦除并用上下文自然补全。scale正是控制去物强度的核心旋钮：调低了删不干净，调高了可能破坏背景。本文带你找到最佳平衡点。

🗑️ 先认识模型：圈出物体，AI 自动擦除补全

这个 LoRA 的工作流程非常简单：

1. 标注：用高亮色块或 mask 覆盖你想删除的物体；
2. 擦除：模型去除标注区域；
3. 补全：根据周围环境（纹理、光照、透视）自然填充空白。

它的标准提示词是固定的：

Remove the highlighted object from the scene

标注有两个关键要求（详见 README.md）：

• 高亮区域应完整覆盖物体边界，宁大勿小；
• 对轮廓清晰、相对独立的物体效果最好。

典型场景：清理照片里的路人、为电商产品图做干净背景、移除房产照片中的家具杂物等。

🖼️ 官方示例：去物前后对比效果

下面是一组官方示例（examples/目录中还有 4 组不同场景的对比图可供参考）：

可以看到，被高亮的物体被移除后，模型用周围的草地和建筑纹理无缝填补了空缺，没有明显的涂抹痕迹。

🎚️ scale 参数详解：去物强度的核心旋钮

scale（即 LoRA 权重强度）决定模型"听指令"的程度，是调参的第一优先级。官方 fal SDK 示例中使用的取值为1.1：

result = fal_client.subscribe( "fal-ai/flux-2-klein/4b/base/edit/lora", arguments={ "prompt": "Remove the highlighted object from the scene", "loras": [{"scale": 1.1}], # ← 去物强度核心参数 "image_urls": ["your-image.png"], }, )

常用 scale 区间参考

最快调参方法：从 1.0 起步，按 0.1 步进

1. 先用scale = 1.0跑一张，观察 mask 区域是否被干净擦除；
2. 若有残留（物体轮廓、边缘还在）→ 提高 0.1；
3. 若背景被"重画"（周围纹理、光影明显变化）→ 降低 0.1；
4. 同一张图建议锁定其他参数不变，只调 scale，方便归因。

🧩 复杂背景处理技巧

README 中明确列出了模型的局限，这些正是复杂背景下要提前规避的坑：

• 非常大的物体可能留下可见伪影（artifacts）
• 复杂背景可能需要多次处理（multiple passes）
• 被移除物体的倒影和阴影可能残留

对应的实操建议：

• 分步去物：复杂场景不要试图一次删完，先删最干扰的物体，输出结果再作为下一次输入，逐轮清理；
• mask 包含倒影与阴影：如果物体在水面、地面有倒影，把倒影区域一并圈进 mask，否则倒影残留会显得很不自然；
• 大物体拆小：物体占画面比例过大时，可考虑分区域 mask 多次处理，减少大面积伪影；
• scale 配合策略：残留明显时把 scale 提到 1.2–1.4 补刀一次，而不是无限放大权重硬扛。

📦 模型文件与训练信息

仓库内提供两套 LoRA 权重，按使用平台选择即可：

训练配置（来自 README.md）：

• 基座模型：FLUX.2-Klein 4B
• 数据：100 组去物图像对，覆盖人物、家具、车辆、文字水印、自然元素等
• 训练步数：4000 steps，学习率 0.00005
• 许可协议：Apache 2.0

数据集里包含 1:1、16:9、9:16 等多种画幅，因此横向和竖构图都能较好适配。

✅ 调参清单：一张图到位的检查表

• mask 是否完整覆盖物体边界（含边缘毛发/阴影）？
• 倒影区域是否已纳入 mask？
• 当前 scale 是多少？是否从 1.0 起步按 0.1 步进调整？
• 复杂背景是否采用多次处理策略？
• 调参过程中是否只改了 scale 一个变量？

掌握scale的强度语义，再配合 mask 规范和分步处理策略，Flux Object Removal LoRA 在绝大多数日常去物场景中都能做到"删得干净、背景无痕"。