Cat Tower (NoobAI XL checkpoint)
詳細
ファイルをダウンロード
このバージョンについて
モデル説明
猫タワーはアニメスタイルのNoobAI XLチェックポイントです。
VAEは組み込まれています。
v-予測バージョンは実験的モデルです。
v-予測をサポートするWebUIが必要です。
ComfyUI（推奨）
Forge Classic（推奨）
reForge
Forge（おそらく）
AUTOMATIC1111（v1.4以降、チェックポイントと同じフォルダに設定ファイルを配置する必要があります）
ライセンス
このモデルは NoobAI-XL ライセンス（改訂版 Fair AI Public License 1.0-SD） に準拠しており、非営利目的でのみ使用可能です。このライセンスは、モデル、派生モデル、またはモデル生成物の収益化や商業利用を含むあらゆる形態の商業化を禁止しています。
推奨設定
ステップ数: 25–30
CFGスケール: 5–7
サンプラー（vPred）：「Euler」を使用することをお勧めします。「Euler a」を使用すると、赤や青などの色付きの肌やオブジェクトが生成されることがあります。
サンプラー（Epsilon-予測）：DPM++ 2M Karras、Euler a
スケジューラ（vPred）：Normal、Simple（「Automatic」はノイズの多い画像を生成します。）
必要に応じてADetailerを使用してください
ポジティブプロンプト
masterpiece, best quality
ネガティブプロンプト
worst quality, bad quality, low quality, lowres, scan artifacts, jpeg artifacts, sketch, light particles
マージレシピ（vPred v2.0）
Obsession (Illustrious-XL) v-pred_v2.0 と stable-diffusion-xl-base-1.0、CyberRealistic XL v5.6 と stable-diffusion-xl-base-1.0 の差分を「Perpendicular Component」と「Add Difference」でマージし、Obsession (Illustrious-XL) v-pred_v2.0に適用（チェックポイントA）
チェックポイントAを「SLERP」でObsession (Illustrious-XL) v-pred_v2.0にマージ、alpha = 0.5（チェックポイントB）
チェックポイントBを「Rotate」でObsession (Illustrious-XL) v-pred_v2.0にマージ、alignment = 1.0、alpha = 0.0（チェックポイントC）
チェックポイントCのCLIPをObsession (Illustrious-XL) v-pred_v2.0で置き換え（チェックポイントD）
チェックポイントDをアニメスタイルデータセットA（2.1k）でフルファインチューニング、optimizer = AdamW8bit、scheduler = warmup stable decay、学習率 = 6e-6、scheduler最小学習率比 = 0.1、32エポック、unetのみ、勾配累積ステップ = 1、バッチサイズ = 4（チェックポイントE）
チェックポイントDをアニメスタイルデータセットB（0.5k）でフルファインチューニング、optimizer = AdamW8bit、scheduler = warmup stable decay、学習率 = 3e-6、scheduler最小学習率比 = 0.1、60エポック、unetのみ、勾配累積ステップ = 1、バッチサイズ = 4（チェックポイントF）
チェックポイントFを「SLERP」でチェックポイントEにマージ、alpha = 0.5（チェックポイントG）
LunarPeachMix v2.0 と Illustrious XL v1.1 の差分を「Add Difference」でチェックポイントGに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントH）
JANKU v5.0 と RouWei v0.8 epsilon の差分を「Add Difference」でチェックポイントHに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントI）
copycat-RouWei vpred-v0.42 と Rouwei 0.80 vpred の差分を「Add Difference」でチェックポイントIに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントJ）
チェックポイントIを「Clamp」でマージ、制限値 = チェックポイントG、LunarPeachMix v2.0、JANKU v5.0、copycat-RouWei vpred-v0.42（チェックポイントK）
noob_v_pencil-XL マージレシピ でチェックポイントKに v_pred および ztsnr キーを追加（Cat Tower vPred v2.0）
マージレシピ（Epsilon-pred v1.4）
NoobAI-XL Epsilon-pred v1.1 と stable-diffusion-xl-base-1.0、CyberRealistic XL v5.6 と stable-diffusion-xl-base-1.0 の差分を「Perpendicular Component」と「Add Difference」でマージし、NoobAI-XL Epsilon-pred v1.1に適用（チェックポイントA）
チェックポイントAを「SLERP」でNoobAI-XL Epsilon-pred v1.1にマージ、alpha = 0.5（チェックポイントB）
チェックポイントBを「Rotate」でNoobAI-XL Epsilon-pred v1.1にマージ、alignment = 1.0、alpha = 0.0（チェックポイントC）
チェックポイントCのCLIPをNoobAI-XL Epsilon-pred v1.1で置き換え（チェックポイントD）
チェックポイントDをアニメスタイルデータセット（0.5k）でOFT手法でファインチューニング、dim = 4、alpha = 1e-3、学習率 = 2.5e-6、15000ステップ。OFTモデルをチェックポイントDにマージ、ratio = 1.0（チェックポイントE）
Cat Carrier v6.0 を「Weighted Sum」でチェックポイントEにマージ、ブロック（0,0,0,0,0,0,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0,0,0,0,0）（チェックポイントF）
LunarPeachMix v2.0 と Illustrious XL v1.1 の差分を「Add Difference」でチェックポイントFに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントG）
JANKU v4.0 と RouWei v0.7 epred の差分を「Add Difference」でチェックポイントGに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントH）
copycat-RouWei vpred-v0.42 と Rouwei 0.80 vpred の差分を「Add Difference」でチェックポイントHに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントI）
チェックポイントIを「Clamp」でマージ、制限値 = チェックポイントF、LunarPeachMix v2.0、JANKU v4.0、copycat-RouWei vpred-v0.42（Cat Tower Epsilon-pred v1.4）
マージレシピ（vPred v1.8）
NoobAI-V-Pred-1.0-Version と stable-diffusion-xl-base-1.0、CyberRealistic XL v5.6 と stable-diffusion-xl-base-1.0 の差分を「Perpendicular Component」と「Add Difference」でマージし、NoobAI-V-Pred-1.0-Versionに適用（チェックポイントA）
チェックポイントAを「SLERP」でNoobAI-V-Pred-1.0-Versionにマージ、alpha = 0.5（チェックポイントB）
チェックポイントBを「Rotate」でNoobAI-V-Pred-1.0-Versionにマージ、alignment = 1.0、alpha = 0.0（チェックポイントC）
チェックポイントCのCLIPをNoobAI-V-Pred-1.0-Versionで置き換え（チェックポイントD）
チェックポイントDをアニメスタイルデータセット（0.5k）でOFT手法でファインチューニング、dim = 4、alpha = 1e-3、学習率 = 2.5e-6、15000ステップ。OFTモデルをチェックポイントDにマージ、ratio = 1.0（チェックポイントE）
Cat Carrier v6.0 を「Weighted Sum」でチェックポイントEにマージ、ブロック（0,0,0,0,0,0,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0.5,0,0,0,0,0）（チェックポイントF）
LunarPeachMix v2.0 と Illustrious XL v1.1 の差分を「Add Difference」でチェックポイントFに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントG）
JANKU v4.0 と RouWei v0.7 epred の差分を「Add Difference」でチェックポイントGに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントH）
copycat-RouWei vpred-v0.42 と Rouwei 0.80 vpred の差分を「Add Difference」でチェックポイントHに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0）（チェックポイントI）
チェックポイントIを「Clamp」でマージ、制限値 = チェックポイントF、LunarPeachMix v2.0、JANKU v4.0、copycat-RouWei vpred-v0.42（チェックポイントJ）
noob_v_pencil-XL マージレシピ でチェックポイントJに v_pred および ztsnr キーを追加（Cat Tower vPred v1.8）
マージレシピ（Epsilon-pred v1.3）
- Cat Tower Epsilon-pred v1.2 と Cat Tower v-pred v1.7 を「DARE-TIES」でマージ（Cat Tower Epsilon-pred v1.3）
マージレシピ（vPred v1.7）
CyberRealistic XL v5 と stable-diffusion-xl-base-1.0 の差分を「Add Difference」で NoobAI-V-Pred-1.0-Version に適用（チェックポイントA）
チェックポイントAのCLIPを NoobAI-V-Pred-1.0-Version で置き換え（チェックポイントB）
Cat Carrier v3.0 を「Weighted Sum」でチェックポイントBにマージ、ブロック（0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.4,0.4,0.4,0.4,0.4,0.4,0.0,0,0,0,0）（チェックポイントC）
Cat Tower vpred v1.5 を「Add Cosine B」でチェックポイントCにマージ、ブロック（0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0,0,0,0,0）（チェックポイントD）
Cat Bread eps-pred v1.0 を「Weighted Sum」でチェックポイントDにマージ、ブロック（0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0,0,0,0,0）（チェックポイントE）
Catloaf と ponyDiffusionV6XL の差分を「Train Difference」でチェックポイントEに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0）（チェックポイントF）
copycat-noob Vpred_v1.01 と NoobAI-V-Pred-1.0-Version の差分を「Train Difference」でチェックポイントFに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,0.15,0.15,0.15,0.15,0,0,0,0,0）（チェックポイントG）
スタイルLoRAをチェックポイントGにマージ（チェックポイントH）
noob_v_pencil-XL マージレシピ でチェックポイントHに v_pred および ztsnr キーを追加（Cat Tower vPred v1.7）
マージレシピ（vPred v1.6）
NoobAI-V-Pred-1.0-Version と IterComp を Noob Vpred itercomp merge's recipes でマージ（チェックポイントA）
NoobAI-V-Pred-1.0-Versionをアニメスタイルデータセット（0.5k）でOFT手法でファインチューニング、dim = 8、alpha = 1e-3、学習率 = 1e-4、15000ステップ
OFTモデルをチェックポイントAにマージ、ratio = 1.0（チェックポイントB）
チェックポイントBを「Weighted Sum」でチェックポイントAにマージ、alpha = 0.4（チェックポイントC）
Cat Carrier v3.0 を「Weighted Sum」でチェックポイントCにマージ、ブロック（0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.6,0.6,0.6,0.4,0.6,0.6,0.0,0,0,0,0）（チェックポイントD）
チェックポイントDとHarmoniqMix_vPred_v1を「Weighted Sum」でマージ、ブロック（0,0,0,0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0）（チェックポイントE）
Catloaf と ponyDiffusionV6XL の差分を「Train Difference」でチェックポイントEに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0）（チェックポイントF）
copycat-noob Vpred_v1.01 と NoobAI-V-Pred-1.0-Version の差分を「Train Difference」でチェックポイントFに適用、ブロック（0,0,0,0,0,0,0,0,0,0,0,0.15,0.15,0.15,0.15,0,0,0,0,0）（チェックポイントG）
スタイルLoRAをチェックポイントGにマージ（チェックポイントH）
noob_v_pencil-XLマージレシピによりチェックポイントHにv_predおよびztsnrキーを追加（Cat Tower vPred v1.6）
マージレシピ（Epsilon-pred v1.2）
cyberrealisticXL_v31とstable-diffusion-xl-base-1.0の差分を「Add Difference」でNoobAI-XL Epsilon-pred v1.1にマージ、alpha=1.0。（チェックポイントA）
チェックポイントAのCLIPをNoobAI-XL Epsilon-pred v1.1で置き換え。（チェックポイントB）
Cat Carrier v3.0とチェックポイントBの差分を「Add Difference」で、ブロック値(0.01,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.35,0.35,0.35,0.2,0.35,0.35,0,0,0,0,0)を用いてマージ。（チェックポイントC）
copycat-noob v0.3testとNoobAI-XL Epsilon-pred v0.75の差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0.2,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0)を用いてチェックポイントCにマージ。（チェックポイントD）
スタイルLoRAをチェックポイントDにマージ（Cat Tower Epsilon-pred v1.2）
マージレシピ（vPred v1.5）
NoobAI-V-Pred-1.0-VersionとIterCompをNoob Vpred itercomp merge's recipesでマージ。（チェックポイントA）
OFT手法を用いて、アニメスタイルデータセット（0.5k）でNoobAI-V-Pred-1.0-Versionをファインチューニング：dim = 8、alpha = 1e-3、学習率 = 1e-4、ステップ数 = 15000
OFTモデルをチェックポイントAにratio = 1.0でマージ。（チェックポイントB）
チェックポイントBとCat Tower v1.1 Epsilon-predを「Weighted Sum」で、ブロック値(0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.4,0.4,0.4,0.4,0.0,0,0,0,0)を用いてマージ。（チェックポイントC）
チェックポイントCとHarmoniqMix_vPred_v1を「Weighted Sum」で、ブロック値(0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.0,0,0,0,0)を用いてマージ。（チェックポイントD）
CatloafとponyDiffusionV6XLの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0)を用いてチェックポイントDにマージ。（チェックポイントE）
copycat-noob Vpred_v0.4とNoobai-XL-V-pred-0.75S-Versionの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0,0.15,0.15,0.15,0.15,0,0,0,0,0)を用いてチェックポイントEにマージ。（チェックポイントF）
noob_v_pencil-XLマージレシピによりチェックポイントFにv_predおよびztsnrキーを追加（Cat Tower vPred v1.5）
マージレシピ（vPred v1.4）
NoobAI-V-Pred-0.75S-VersionとIterCompをNoob Vpred itercomp merge's recipesでマージ。（チェックポイントA）
OFT手法を用いて、アニメスタイルデータセット（0.5k）でNoobAI-V-Pred-0.75S-Versionをファインチューニング：dim = 8、alpha = 1e-3、学習率 = 1e-4、ステップ数 = 15000
OFTモデルをチェックポイントAにratio = 1.0でマージ。（チェックポイントB）
チェックポイントBとCat Tower v1.1 Epsilon-predを「Weighted Sum」で、ブロック値(0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.4,0.4,0.4,0.4,0.0,0,0,0,0)を用いてマージ。（チェックポイントC）
チェックポイントCとHarmoniqMix_vPred_v1を「Weighted Sum」で、ブロック値(0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.0,0,0,0,0)を用いてマージ。（チェックポイントD）
CatloafとponyDiffusionV6XLの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0)を用いてチェックポイントDにマージ。（チェックポイントE）
copycat-noob v0.3testとNoobAI-XL Epsilon-pred 0.75-Versionの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0,0.15,0.15,0.15,0.15,0,0,0,0,0)を用いてチェックポイントEにマージ。（チェックポイントF）
NoobAI-V-Pred-0.75S-VersionとチェックポイントFを「Weighted Sum」で、ブロック値(0,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)を用いてマージ（Cat Tower vPred v1.4）
マージレシピ（Epsilon-pred v1.1）
NoobAI-XL Epsilon-pred 1.1-VersionとcyberrealisticXL_v31をマージし、CLIPをNoobAI-XL Epsilon-pred 1.1-Versionで置き換え。これはNoobaiCyberFixと同じ手法。（チェックポイントA）
Cat Carrier v1.0とRaehoshi illust XL v1.0の差分を「trainDifference」で、ブロック値(0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.4,0.2,0.2,0.4,0.6,0.6,0.6,0.2,0.2,0.2,0.2,0.2)を用いてチェックポイントAにマージ。（チェックポイントB）
copycat-noob v0.3testとNoobAI-XL Epsilon-pred 0.75-Versionの差分を「trainDifference」で、ブロック値(0,0,0,0,0,0,0,0,0.2,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0)を用いてチェックポイントBにマージ。（チェックポイントC）
スタイルLoRAをチェックポイントCにマージ（Cat Tower Epsilon-pred v1.1）
マージレシピ（vPred v1.3）
NoobAI-V-Pred-0.65S-VersionとIterCompをNoob Vpred itercomp merge's recipesでマージ。（チェックポイントA）
OFT手法を用いて、アニメスタイルデータセット（0.5k）でNoobAI-V-Pred-0.65S-Versionをファインチューニング：dim = 8、alpha = 1e-3、学習率 = 1e-4、ステップ数 = 15000
OFTモデルをチェックポイントAにratio = 1.0でマージ。（チェックポイントB）
チェックポイントBとHarmoniqMix_vPred_v1を「Weighted Sum」で、ブロック値(0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.5,0.5,0.5,0.5,0.0,0,0,0,0)を用いてマージ。（チェックポイントC）
CatloafとponyDiffusionV6XLの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0)を用いてチェックポイントCにマージ。（チェックポイントD）
copycat-noob v0.3testとNoobAI-XL Epsilon-pred 0.75-Versionの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0.15,0.15,0.15,0.15,0,0,0,0,0)を用いてチェックポイントDにマージ。（チェックポイントE）
ExilluSPO Anime v1とillustriousXL_smoothftSPOの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0.15,0.15,0.15,0.15,0,0,0,0,0)を用いてチェックポイントDにマージ。（チェックポイントF）
NoobAI-V-Pred-0.65S-Version + (チェックポイントF - NoobAI-V-Pred-0.65S-Version)（Cat Tower vPred v1.3）
マージレシピ（vPred v1.2）
NoobAI-V-Pred-0.65S-VersionとcyberrealisticXL_v31をマージし、CLIPをNoobAI-V-Pred-0.65S-Versionで置き換え。これはNoobaiCyberFixと同じ手法。（チェックポイントA）
NoobAI-V-Pred-0.65S-VersionとIterCompをNoob Vpred itercomp merge's recipesでマージ。（チェックポイントB）
チェックポイントA * (1 - 0.5) + チェックポイントB * 0.5（チェックポイントC）
Cat Carrier v1.0とRaehoshi illust XL v1.0の差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0.25,0,0,0.25,0.45,0.45,0.45,0,0,0,0,0)を用いてチェックポイントCにマージ。（チェックポイントD）
copycat-noob v0.3testとNoobAI-XL Epsilon-pred 0.75-Versionの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0)を用いてチェックポイントDにマージ。（チェックポイントE）
スタイルLoRAをチェックポイントEにマージ（チェックポイントF）
NoobAI-V-Pred-0.65S-Version + (チェックポイントF - NoobAI-V-Pred-0.65S-Version)を調整値(0,0,0,0,0,2.34,0,-0.95)でマージ（Cat Tower vPred v1.2）
マージレシピ（vPred v1.1）
NoobAI-V-Pred-0.6-VersionとcyberrealisticXL_v31をマージし、CLIPをNoobAI-V-Pred-0.6-Versionで置き換え。これはNoobaiCyberFixと同じ手法。（チェックポイントA）
Cat Carrier v1.0とRaehoshi illust XL v1.0の差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0.3,0,0,0.3,0.5,0.5,0.5,0,0,0,0,0)を用いてチェックポイントAにマージ。（チェックポイントB）
copycat-noob v0.3testとNoobAI-XL Epsilon-pred 0.75-Versionの差分を「Train Difference」で、ブロック値(0,0,0,0,0,0,0,0,0,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0)を用いてチェックポイントBにマージ。（チェックポイントC）
スタイルLoRAをチェックポイントCにマージ（チェックポイントD）
NoobAI-V-Pred-0.6-VersionとチェックポイントDを以下の計算でマージ：NoobAI-V-Pred-0.6-Version + (チェックポイントD - NoobAI-V-Pred-0.6-Version)（Cat Tower vPred v1.1）
マージレシピ（vPred v1）
NoobAI-V-Pred-0.5-VersionとcyberrealisticXL_v31をマージし、CLIPをNoobAI-V-Pred-0.5-Versionで置き換え。これはNoobaiCyberFixと同じ手法。（チェックポイントA）
HarmoniqMix_vPred_v1 - NoobAI-V-Pred-0.5-Version の差分を「Add Difference」と「Clamp」でチェックポイントAにマージ。（チェックポイントB）
Cat Carrier v1.0とRaehoshi illust XL v1.0の差分を「Train Difference」で、ブロック値(0.1,0.1,0.1,0.1,0.1,0.1,0.1,0.2,0.1,0.1,0.2,0.3,0.3,0.3,0.1,0.1,0.1,0.1,0.1)を用いてチェックポイントBにマージ。（チェックポイントC）
NoobAI-V-Pred-0.5-VersionとチェックポイントCを以下の計算でマージ：NoobAI-V-Pred-0.5-Version + (チェックポイントC - NoobAI-V-Pred-0.5-Version)（Cat Tower vPred v1）
マージレシピ（Epsilon-pred v1）
Cat Carrier v1.0とRaehoshi illust XL v1.0の差分をNoobaiCyberFix v1.0にマージ：NoobaiCyberFix + (Cat Carrier - Raehoshi illust XL) x alpha (0,0.2,0.2,0.2,0.2,0.2,0.2,0.2,0.4,0.2,0.2,0.4,0.6,0.6,0.6,0.2,0.2,0.2,0.2,0.2)、mode = Add difference、calcmode = trainDifference（チェックポイントA）
copycat-noob v0.3testとNoobAI-XL Epsilon-pred 0.75-Versionの差分をチェックポイントAにマージ：チェックポイントA + (copycat-noob - NoobAI-XL) x alpha (0,0,0,0,0,0,0,0,0.2,0,0,0.2,0.2,0.2,0.2,0,0,0,0,0)、mode = Add difference、calcmode = trainDifference（チェックポイントB）
スタイルLoRAをチェックポイントBにマージ（Cat Tower Epsilon-pred v1）