FluffyMix

V4가 출시되었습니다!

이 버전은 V3과 동일한 모델을 사용하며(업데이트된 에포크 버전 포함), 새로운 베이스인 Deliberate V2를 추가했습니다! Deliberate와 526Mix는 67% 526Mix와 33% Deliberate의 평균 가중치 병합을 통해 결합되며, 이전 버전에서 526Mix를 사용하던 방식과 동일하게 사용됩니다. 추가로, 이 혼합 모델은 Comfy에서 블록 가중치 병합을 사용하여 e6-laion + Polyfur 부분과 FluffyRock NoPE 부분을 0.5 CLIP 병합으로 결합했으며, 그 결과는 V3과 마찬가지로 P.A.W.F.E.C.T에 학습 차이를 적용하여 훈련되었습니다. 마지막으로, 이 모델의 이름은 기억하기 쉬우도록 공식적으로 FluffyMix로 변경되었습니다.

V3이 출시되었습니다!

이 버전은 fluffyrock-NoPE-e144-terminal-snr-vpred-e63.safetensors, e6-laion-576-704-832-lion-e81-terminal-snr-vpred-e30.safetensors, polyfur-lion-e87-terminal-snr-vpred-e36.safetensors, pawfect-alpha-e48-None.safetensors 및 526Mix의 v1.5를 사용합니다. e6-laion은 Polyfur과 유사하게 작동하며 MiniGPT4로 자동 캡션된 사진을 동일하게 포함하지만, e6-laion은 booru 사이트의 애니메이션 스타일 이미지도 추가로 학습했습니다. e6-laion과 Polyfur은 이 혼합을 위해 0.5 가중치 평균 병합으로 결합됩니다. FluffyRock NoPE는 FluffyRock Vpred와 유사하게 작동하며, 두 모델 모두 동일한 데이터셋을 사용하고 v-예측을 기반으로 하지만, FluffyRock NoPE는 위치 인코딩을 제거하기 위해 모델의 텍스트 해석 부분을 조정합니다. 즉, 토큰 제한이 필요하지 않습니다. 그러나 이 특성이 병합을 통해 전달되는지는 아직 불확실합니다. 그러나 NoPE는 동생 모델과 다르고 더 선호되는 미학을 가지고 있었기 때문에 선택되었습니다. 마지막으로, P.A.W.F.E.C.T는 FurAffinity에서 가져온 이미지로 학습된 또 다른 v-예측 모델입니다. 이 모델의 독특한 점은 그 미학과 태그입니다. FurAffinity 태그는 일반적으로 다양하고 희소하기 때문에 이미지가 종종 불완전하게 태그되거나 드문 태그를 사용합니다. 이는 P.A.W.F.E.C.T가 이 혼합에 독특한 태그와 독특한 미학을 제공한다는 의미입니다.

V2가 출시되었습니다!

이 버전은 polyfur-lion-e76-terminal-snr-vpred-e25.safetensors와 fluffyrock-576-704-832-960-1088-lion-low-lr-e126-terminal-snr-vpred-e99을 526Mix와 혼합하여 모델에 더 나은 지식과 미학을 제공합니다. Polyfur은 데이터셋에 MiniGPT4로 자동 캡션된 고품질 사진과 퓨리 이미지를 모두 포함하려는 특별한 모델로, 두 세계의 장점을 동시에 누릴 수 있게 해줍니다. 이 모델은 수명이 초기 단계에 있지만, 충분한 전문 지식을 가지고 있어 이 혼합의 품질을 크게 향상시킵니다.

fluffyrock-576-704-832-960-1088-lion-low-lr-e126-terminal-snr-vpred-e99과 /model/15022/526mix-v14의 비공식 병합은 a1111의 supermerger 확장 프로그램을 사용하여 train difference 방식으로 수행되었습니다.

Train difference에 대한 설명은 여기에 있습니다: https://github.com/hako-mikan/sd-webui-supermerger/blob/main/calcmode_en.md#train이며, 이 기술이 이 모델이 가능하게 만든 핵심입니다. 요약하자면, 이 모델은 a1111 supermerger 확장 프로그램을 사용하여 526Mix와 FluffyRock vpred를 다음 설정으로 병합합니다: 526Mix를 모델 A로, fluffyrock vpred를 모델 B로, v1-5-pruned(sd 베이스 모델)을 모델 C로 설정하고, 병합 모드는 add difference, 계산 모드는 train difference로 설정하며, alpha는 1로 설정하고, 출력은 fp16 safetensors로 저장합니다.

이 모델은 config 및 CFG Rescale이 필요합니다. config 파일을 다운로드하여 스테이블 디퓨전 모델 폴더의 일반 모델 옆에 저장하세요. a1111을 사용하는 경우, CFG Rescale 확장 프로그램을 여기서 설치하세요: https://github.com/Seshelle/CFG_Rescale_webui. Comfy를 사용하는 경우, 여기서 sampler_rescalecfg 파일을 다운로드하여 https://github.com/comfyanonymous/ComfyUI_experiments custom nodes 폴더에 저장하세요. 권장 설정은 CFG: 7.5, CFG Rescale: 0.7입니다.

이 결과를 도출한 zatochu(퓨리 디퓨전 디스코드)와 526mix를 개발한 526christian, 그리고 fluffyrock를 개발한 lodestone에게 감사의 인사를 전합니다.