V2 소개:

이 LoRA는 NoobAIXL_V-Pred1.0을 기반으로 합니다

이 버전은 제 취향에 맞춰 데이터셋을 선별하고, 학습 방법을 변경하며, 파일 크기를 줄였습니다. 이제 그 화풍은 제 개인적인 취향을 반영하게 되었고, 따라서 "year 2024"와 같은 연도 태그를 사용하여 화풍을 정밀하게 조절할 수 없게 되었습니다. 그러나 v2-mini는 일부 면에서 v1보다 더 뛰어난 성능을 보이므로, v1과 v2 중 어떤 것을 선택할지는 귀하의 필요에 따라 결정하시기 바랍니다. 또한 v2-mini 버전을 사용할 때 일부 문제점이 발생할 수 있으니, 예시 이미지의 메타데이터에 포함된 제 작업 흐름을 참고하여 최적화하실 수 있습니다.

이 버전은 제 취향에 맞춰 선별된 데이터셋과 학습 방법의 변경을 통해 파일 크기를 줄였습니다. 이제 그 화풍은 제 개인적인 취향을 반영하게 되었고, 따라서 "year 2024"와 같은 연도 태그를 사용하여 화풍을 정밀하게 조절할 수 없습니다. v2-mini는 일부 면에서 v1보다 더 뛰어난 성능을 보입니다. 따라서 v1과 v2 중 어떤 것을 선택할지는 귀하의 요구 사항에 따라 결정하시기 바랍니다. v2는 일부 문제를 동반할 수 있으므로, 최적화를 위해 예시 이미지의 메타데이터에 포함된 제 작업 흐름을 참조하세요.

V1 소개:

이 LoRA는 NoobAIXL_V-Pred0.65s을 기반으로 합니다

'year 2015-year 2024' 범위를 사용하여 시각적 스타일을 조정할 수 있습니다.

Noob0.65V 모델의 "wlop" 스타일과 비교할 때, 이 버전은 제 개인적인 취향에 더 잘 부합합니다.

이 모델은 단순히 관심에서만 학습되었으며, 주요 목적은 제가 선호하는 이미지를 생성하는 것입니다. 다른 용도로 사용하지 마십시오.

또 하나 흥미로운 점은, 이번 LoRA 학습에서는 매우 마법적인 파라미터와 데이터셋을 시도했으나, 너무 과격하여 자세히 언급하지 않겠습니다.

마지막으로, 기반 모델에 이미 "wlop" 아티스트 태그가 포함되어 있음에도 불구하고 이 LoRA 모델을 학습한 이유에 대해 설명드리면: 기반 모델에서 직접 "wlop" 태그를 사용하면 제가 선호하는 화풍으로 정밀하게 조절하기 어려울 뿐 아니라 워터마크가 나타날 수도 있습니다. 따라서 저는 원하는 화풍을 정확히 제어하기 위해 LoRA 모델을 사용했으며, 학습 데이터셋은 제가 엄선한 고화질 이미지로 구성되어 있으며, 어떤 워터마크도 포함하지 않습니다.