HyperFlux Diversity

HyperFlux Diversity

私は人種的多様性を画像のリアリズムに不可欠な要素と考えており、dAIversity Flux（/model/711900?modelVersionId=796248）のパフォーマンスに喜びを感じています。

ほとんどのFluxモデルでは、深度の範囲を広げるために、通常dAIversity FluxにAntiBlur LoRA（/model/675581/anti-blur-flux-lora）を組み合わせて使用しています。また、HyperFlux LoRAにも魅了されており、HyperFluxベースモデルシリーズ（/model/705444?modelVersionId=789074）でその効果を確認しています。

RuinedFooocusでdAIversity Fluxのsafetensorsファイルを実行したところ、パフォーマンス上の問題が発生しました。RuinedFooocusはGGUF用に最適化されているためです。この点と、前述の2つのLoRAをdAIversity Fluxと組み合わせて最適化したいという願望から、私は新しいGGUF形式のマージモデルを作成することにしました。

HyperFlux Diversityは、dAIversity FluxにHyperFlux LoRAを強度0.12、AntiBlurを強度1.0でブレンドしたものです。

これらのリソースを生み出した各クリエイターのライセンスを尊重してください。たとえば、オンライン画像生成など、画像生成を収益化するサービスではHyperFlux Diversityを使用しないでください。また、このモデルを有償で販売したり、ライセンスを提供したりしないでください。

使用方法：

HyperFlux Diversityの使用では、通常CFGを3.5に設定していますが、特殊効果を追加する場合は6.5まで上げることもあります。すべての8ステップベースのFlux1 Devモデルと同様に、サンプリングステップを20に設定し、eulerサンプラーとsimpleスケジューラーを使用しています。

デフォルトでは、HyperFlux Diversityは深い被写界深度の画像を生成します。浅い被写界深度の画像を作成したい場合は、ポジティブプロンプトに「bokeh」と入力してください。

このモデルがNSFW画像を生成した場合、それは意図的なものではありません。

クレジット：

dAIversity Flux：/model/711900?modelVersionId=796248

AntiBlur LoRA：/model/675581/anti-blur-flux-lora

HyperFlux 8 LoRA：https://huggingface.co/ByteDance/Hyper-SD

本プロジェクトは、以下の優れたリソースを用いて作成されました：
https://civitai.com/articles/8322/merge-a-lora-into-flux-for-better-speed-and-quantize-it

画像について：

各GGUFバージョンの最初の画像は、その量子化レベルでのテスト生成結果を示しています。各バージョンを切り替えて、そのGGUFレベルでの画像の違いを比較してください。

Q8バージョンは最も詳細な画像を提供し、次いでQ6です。両方とも12GBのVRAMを必要とします。Q5は10GBのVRAMで動作し、ほぼ同等の品質です。Q4からQ2は、詳細度が徐々に低下しますが、ファイルサイズが小さくなるため読み込みが少し速くなります。高度に量子化されたモデルはVRAMをより少なく使用するという誤解が広まっていますが、テスト結果ではそれは正しくありません：Q4からQ2は、すべてQ5と同様に約10GBのVRAMを消費します。

その他の紹介画像は、HyperFlux DiversityにPure Fooocusベースモデルレビュー・ガイドで適用された10の標準テストから抽出したサンプルです：
https://www.facebook.com/groups/fooocus/learning_content/?filter=519238867322550&post=753347100153801
（Facebookのリンクは信頼性が低いため、このガイドにアクセスするには上下にスクロールする必要がある場合があります）