梅莉塔：

正在对角色转身进行一些基础测试。梅莉塔的设计非常简单，因此我并不期望她有高度的一致性，只是想为循环测试建立一个基准。不幸的是，效果并不理想，不值得写一篇文章。我可能需要后期设计一个更复杂细节的角色来进行更严格的测试。看来对于Illustrious来说，掌握正确的提示词/艺术家关键词对姿态控制有帮助。但数据集仅限于有限的转身角度，因此姿态非常僵硬。anytest CN 可以帮助为角色增加立体感，我认为这仅可能因为她的设计极其简洁。

普里丝卡

一个复杂角色的设计。图像根据服装进行了严格筛选，但LoRA在图像修复方面表现极佳。由于循环使用，其过训练程度高于其他LoRA。

埃尔里斯

这次是一个相对简单角色的设计，用于测试配件训练、聚类物体以及循环测试。

3/4/24 更新：

使用SDXL进行盲测。我稍后会写一篇文章介绍。详情请阅读“关于此模型”。

Kie推荐权重：1

我现在可能需要更改页面标题了，因为我正在使用txt2img ControlNets来增强风格数据集。（我确实用LoRA做过循环，但权重设为0.1~0.2以减弱效果；后来我又试了一轮不带LoRA的，差异并不明显）。如果你想了解增强的具体细节，请往下阅读。

• Enna LoRA 专注于更简洁的设计，以观察转身中的错误如何影响LoRA效果。

关于

这里是记录我使用单张图片OC LoRA进行测试的地方。目标是以最少的努力，创建一个一致的角色LoRA。如果你愿意花时间，可以参考这个教程（非我制作）来创建一个一致的角色。请注意，这些实验更多是学习性质，而非为了生成精确的LoRA。由于数据集有限，这些LoRA极有可能在未测试过的奇怪场景中出现过拟合。我将来可能会写一篇关于此过程的文章。

工作流程文章

• 第一部分

• 第二部分

图像当然经过adetailer和高分辨率修复（使用AnimeSharp4x\UltraSharp4x，去噪强度0.2~0.5）筛选。

Isabella的原图是V1中的第二张图。（基础提示词可能有用）

使用方法

V4推荐权重：(0.5~0.8) 块权重有帮助，但非必需。

推荐权重：0.6~0.8 +（推荐使用OUTD预设的LoRA块权重；对于V3，强烈推荐使用块权重扩展）

对于Enna：推荐权重：0.8~1（如出现概念渗出，可降低权重）

使用如flat_chest、petite等术语，以获得正确的角色比例。

使用块权重扩展时，1的权重可能足够，但若要自定义服装，则需降低权重。需要较长的提示词描述角色和环境才能良好运行。

它在基于动漫的模型上表现尚可，我尚未尝试写实或半写实模型。最适合配合图像修复工作流程使用。

问题

• 着色和服装不一致

• 面部表情过拟合

• 发际线偶尔反转

• V2可能比V3更好；我遇到了瓶颈，但决定先发布当前结果

训练过程

V1

• 1张全身照 + 1张面部裁剪图（同一张图）

• 在NovelAi上训练

V2

• 重用V1数据集

• 新增上半身、下半身和紧身裤裁剪图

• 降低重复次数

• 增加更多标注

V3

• 移除翻转增强

• 重用V1数据集

• 新增头部和裙摆3/4视图、靴子至颈部视图、刘海特写

• 增加更多标注

其他

• 我可能已达到Isabella的极限，很难再进一步改进该LoRA。我还可以尝试kohyaSS训练器的其他方法，但不抱太大期望。主要限制在于基础图像质量不高，放大后存在图像伪影。

V4

• 重用V3数据

• 将正则化移入主数据集，并为风格添加触发词

• 使用txt2img结合Canny和线稿，通过区域提示器增强风格数据集，标记为'alternativecostume'

  • 选择颜色最接近的图像

• 添加风格和服装触发词

• n tokens增至4

• 训练期间移除块权重

Enna

V1

• 基于角色转身设计

• 使用与V4相同的概念

V1.1

• 小幅更新，增加更多标注，训练速率降低至1/10

V2

• 新增泳装和内衣的完整转身图