DMD2 | 1 CFG SCALE | Fewer Steps
详情
下载文件
关于此版本
模型描述
**你好，**你可能在想：为什么有这么多版本？
嗯……如果我处在你的位置，也会问同样的问题。原因很简单：这种设计是为了提供更多的控制权，因为与普通LoRA不同，DMD2在最大强度下表现最佳。
例如：
HD 1 CFG Scale 的强度被“稀释”了，因此需要借助触发词或手动提高其LoRA强度。这使得它在Illustrious中与PDXL LoRAs结合使用时非常有用，因为你只需提高强度，而不会损失细节。
DPM A1 和 DPM A15 已经自带增强的强度和细节，因此无需触发词。A1为标准强度，而A15额外增加了+15%。
V4 是一个通过两步生成图像的实验版本。它与HD 1 CFG的设计方式相反：不是通过降低强度来提升稳定性，而是将强度提升至1.35倍（比DPM A15多20%）。
V5 增强了检查点的细节，突出风格，并让提示词更有效，而无需更改你的模型。
简而言之： 这取决于你的喜好和目标。例如，V4会产生更多“噪点”（细节），若不配合真实感检查点使用，可能会牺牲部分真实感。
那这到底有什么用？
这个LoRA基于DMD2 的架构与风格，后者是一种广为人知的方法，通过减少生成步骤数量，同时不牺牲视觉质量，来优化扩散模型。
那么……DMD2是什么？
DMD2（Denoising Diffusion Probabilistic Model 2）是概率扩散模型的一种变体，通过迭代去噪过程，从噪声中生成高质量图像。
根据相关文献（如Ho等人，2020，《Denoising Diffusion Probabilistic Models》），DMD2通过减少达到与传统模型（如DDPM）相当质量所需的步骤数，优化了去噪过程。
DMD2采用了改进的反向扩散过程参数化方法，调整方差权重和去噪项以加速收敛。
在LoRA的语境中，DMD2作为训练低秩适应模块的基础，用于微调预训练模型（如Stable Diffusion）以完成特定任务，同时最小化计算成本并保留视觉质量。
总结：
此处描述的LoRAs（HD_DMD2_1_CFG-SCALE、DPM_4STEPS_A1、DPM_4STEPS_A15 和 V4）是利用DMD2结构、在CFG尺度为1的情况下运行的适配版本。
这尤其有趣，因为通常需要更高的CFG尺度才能维持相同质量，但这些LoRAs可以在将生成步数减少到4、6、8或10（10是Civitai允许的最小值）的同时，仍取得令人印象深刻的效果——将生成时间从几分钟缩短到仅几秒。
核心功能
专为快速生成优化：设计用于在极低的推理步数（4、6或8）下生成高质量图像，实现快速高效的生成。
低有效CFG尺度：在CFG尺度约为1时表现最佳，提供创意与保真度的理想平衡，避免过拟合。
三种版本满足不同需求：包含针对8步、6步和4步的定制版本，可根据速度与细节需求灵活选择。
强大的视觉质量：即使在减少步数的情况下，依然保持色彩、纹理和构图的强细节——非常适合需要兼顾速度与质量的应用。
广泛适用性：适合希望在不牺牲图像清晰度的前提下优化生成时间的用户。
使用说明与建议
如果你使用的LoRA需要更多步骤才能获得良好效果，可以提高LoRA强度，或添加如**"hdr"等关键词作为正向提示词以改善光影与细节，并使用"flat color"**等负向提示词控制饱和度与阴影。
或者，你也可以降低LoRA强度，这样就能使用更高的CFG尺度而不至于导致图像过度饱和。但请注意，由于此LoRA主要针对CFG尺度为1设计，理想强度可能因具体用途而异。
请尝试调整强度与CFG尺度，找到最适合你工作流程与目标风格的平衡点。