vpred+ztsnr+debias 추정 손실 + 노이즈 예측과 같은 방식으로 vpred 손실을 스케일링하고 토큰 구분자를 유지하여 학습하고, 토큰 셔플을 활성화하세요.

학습 모델과 추론 모델의 태그 사용 순서는 다음과 같이 권장합니다: 먼저 화풍(아티스트명), 시뮬레이션 스타일(예: jojo (style)) 및 하위 스타일(예: greyscale), 그 다음 인물명, 의상명, 그 후 1girl, solo부터 시점, 동작, 외모 및 의상 세부사항, 그 다음 시리즈 저작권명(copyright), 공식, 시뮬레이션 아트(official art) 또는 official style 유형의 연도(year xxxx), 최신(newest), 품질 어휘(masterpiece), 해상도(absurdes), 민감도(explicit) 순입니다. 마지막에 LoRA 모델을 배치하세요(즉, 화면 비율이 클수록 프롬프트 범위가 작고 정확한 단어의 가중치를 먼저, 화면 비율이 작고 개념이 혼란스러울수록 뒤에 배치합니다. 화면 비율을 우선시하고, 프롬프트 정확도는 그 다음 고려하세요).

모델이 과적합될 수 있으므로, 가중치를 낮춰 사용하세요.

LoRA 파라미터 뷰어: https://xypher7.github.io/lora-metadata-viewer/

https://civitai.com/articles/4560/upscaling-images-using-multidiffusion 방법으로 이미지 확대를 권장합니다.

또는 고화질 복원을 사용하세요(픽셀 아트이므로 4x-animesharp 대신 nearest 확대를 권장) 및 adetailer 플러그인을 사용하여 얼굴을 보정하세요. 그렇지 않으면 이미지가 흐릿해집니다.

(겨울의 꿈나라 게임을 응원해 주세요! 감사합니다! / Please support the game Winter Memories thank you meow)

학습 파일 업로드: https://huggingface.co/datasets/TLFZ/winter_memories/tree/main