[Negative LoRA] for RouWei - v0.6.1 vpred

警告： 此 LoRA 仅适用于 v-pred 检查点，且专为 RouWei v0.6.1 v-pred 设计。

RouWei 是由 Minthybasis 开发的 Illustrious 模型：(/model/950531?modelVersionId=1130140)

将以下内容放入正向提示中：

lora:rouwei_neg_by_pfc:1

将以下内容放入负向提示中（可选）：

(by pfc:1.0)

建议强度： 0.1 至 1.0

模型描述：

这是一个实验性尝试，旨在利用 RouWei 提升输出的审美质量。应用此 LoRA 可帮助解决细节问题、修正解剖结构、增强背景细节等。

v2 版本是首个版本，仍有很大改进空间。

已知限制：

• 在负向提示中加入 "by pfc" 有时根本不起作用

• 过度提高 LoRA 强度可能导致图像变成“小马”风格，即使未使用触发词

• 在高 CFG 值下会出现奇怪的伪影

数据集 / 训练详情：

数据集包含 360 张来自 CivitAI 的 AI 生成图像，主要源自 Pony Diffusion XL / Animagine 系列模型。

假设是：我们可以利用 RouWei 丰富的艺术家知识，将“小马”风格与其独特的标记关联，从而将其用作负向提示。

大部分用于训练的图像存在以下一种或多种问题：

• 高频细节

• 色彩苍白

• 轻微的光晕/雾化

• 不自然或怪异的面部

• 单调的构图

• 我不喜欢它们

所有图像均标注为 "by pfc"，因为该标记在训练前极为罕见且影响微弱。

更多细节：

• 在 RTX 4090 上以批次大小 8、梯度累积步数 8 训练了 60 个周期（共 100 个周期），耗时约 2 小时

• 训练可能不充分，因为我未等到 100 个周期便提前停止

• 仅训练了 U-Net

• 网络/卷积秩为 8，Alpha 为 4，以减弱效果

• 使用 ProdigyWithScheduleFree 优化器（https://github.com/kohya-ss/sd-scripts/issues/1796），因为其最新且效果最佳，且 v-pred 模型难以训练

• 去偏估计损失优于 Min Gamma SNR

未来计划：

• 扩展/精简数据集，仅保留最丑的图像

• 尝试使用 DoRA 进行训练

• 尝试使用标签训练（若不会使结果更差）