Cranberry_XL

V4 새로운 버전 출시!

마법과 많은 시간을 통해, Cranberry는 이제 SDXL 기반입니다. 저는 Cranberry V2를 가져와 SDXL 모델에 강제로 주입하여 적절한 기본 모델을 만들고, 10,000장의 이미지로 구성된 새로운 데이터셋으로 학습했습니다. 애니메이션 스타일에 맞추어 학습되었으며, 프롬프트 자유도가 매우 높아 앤트로/페럴/휴먼 결과를 뛰어나게 생성할 수 있습니다.

VAE는 내장되어 있지 않습니다. SDXL VAE를 사용하세요.

Cranberry_4: 두 번째 버전. SDXL 덕분에 약 10,000장의 이미지와 새로운 개념 및 아티스트들을 사용해 학습되었습니다.

---

맞춤형 캡션으로 학습하여 최소한의 프롬프트에서도 우수한 성능을 발휘합니다. (단일 프롬프트로도 매우 다양한 결과를 얻을 수 있습니다.)

긍정적 프롬프트: SDXL과 동일하며, 단순히 "amazing quality, best quality"만으로도 충분합니다.

부정적 프롬프트: lowres, bad quality, worst quality는 일반적으로 좋지 않지만, _(monochrome, greyscale)_는 모델이 흑백 이미지를 생성하는 경향이 있어 때때로 유용합니다. 진짜 애니메이션 룩을 원한다면 _(cartoon, toon)_도 추가할 수 있습니다.

PS: 이상하게도, 1.5 버전의 High-res fix가 2 버전보다 더 잘 작동하므로 1.5를 사용하세요 :)

---

이전 버전들

PonyXL은 애니메이션 스타일에 맞추어 학습되었으며, 뛰어난 앤트로/페럴/휴먼 결과를 생성할 수 있습니다.

VAE는 내장되어 있지 않습니다. Pony VAE를 사용하세요.

Cranberry_2: 두 번째 버전. 약 4,000장의 이미지로 각 이미지당 약 100 에폭 동안 학습되었습니다.

Cranberry_1: 첫 번째 버전. 약 2,000장의 이미지로 각 이미지당 약 100 에폭 동안 학습되었습니다.

---

맞춤형 캡션으로 학습하여 최소한의 프롬프트에서도 우수한 성능을 발휘합니다. (단일 프롬프트로도 매우 다양한 결과를 얻을 수 있습니다.)

긍정적 프롬프트: Pony와 동일하며, source:anime는 필요 없지만, 결과를 더 좋게 하려면 프롬프트의 끝에 배치하세요.

( score_9, score_8_up, score_7_up, score_6_up, score_5_up, score_4_up)

그러나

(score_9)만으로도 좋은 결과를 얻을 수 있습니다.

또한

(score_6_up, score_5_up, score_4_up)은 긍정적 결과 없이 원본을 '좋은 버전'으로 만드는 역할만 하므로, 이것도 함께 사용해보세요.

부정적 프롬프트: 없음. 다만 _(monochrome, greyscale)_는 모델이 흑백 이미지를 생성하는 경향이 있어 때때로 유용합니다. 진짜 애니메이션 룩을 원한다면 _(cartoon, toon)_도 추가할 수 있습니다.

PS: 이상하게도, 1.5 버전의 High-res fix가 2 버전보다 더 잘 작동하므로 1.5를 사용하세요 :)