vpred+ztsnr+debias estimation loss+ノイズ予測のようにvpred損失をスケーリングし、トークンセパレーターを保持して学習し、トークンシャッフルを有効にします。

推奨される訓練モデルおよび推論モデルのタグ順序は、まず画風・アーティスト名、次にシミュレートされたスタイル（例：jojo (style)）やサブスタイル（例：グレースケール）、その後にキャラクター名、衣装名、続いて1girl、soloから視点、動作、外見・衣装の詳細へと続き、次にシリーズ著作権名（copyright）、公式、シミュレートされたアート（official art）または公式スタイル（official style）、時間（year xxxx）、最新（newest）、品質語（masterpiece）、解像度（absurdes）、センシティブ度（explicit）の順とします。最後にLoRAモデル（画面上の占有比率が高いほど、プロンプトの範囲が狭く、より正確な単語の重みを前に置き、占有比率が低いほど、後ろに置き、概念が曖昧なほど後ろに配置します。画面上の占有比率を優先し、プロンプトの正確性はその次に考慮してください）。

モデルが過剰適合する可能性があるため、重みを減らして使用してください。

LoRAパラメータビューアhttps://xypher7.github.io/lora-metadata-viewer/

https://civitai.com/articles/4560/upscaling-images-using-multidiffusion 方法での画像拡大を推奨します。

または、高解像度修復を使用してください（ピクセルアートであるため、4x-animesharpではなくnearestスケーリングを推奨）し、adetailerプラグインで顔を修正してください。修正しないと画像がぼやけます。

（冬日狂想曲ゲームを応援してくださいね／Please support the game Winter Memories thank you meow）

学習ファイルのアップロードhttps://huggingface.co/datasets/TLFZ/winter_memories/tree/main