Base Set of Models for ONNX

フルレーテント一貫性モデル：SimianLuo/LCM_Dreamshaper_v7 をFP16に変換し、LCMアプローチを用いてONNX形式に変換することで、推論速度の向上とステップ数の削減を実現しました。

作者はONNX用のFP32バージョンを提供していますが、私のコンピューターのメモリ（4GB）の制限により、FP16に変換しました。

PD：もし作者様で、このバージョンを削除したい場合は、お知らせください。すぐに削除します。

次のリンクで動作させることができます：

CivitaiにONNXモデルが存在しないため、この設定を試したいすべての人に向けてこれをアップロードします。

メインモデルは、どこから来たのか覚えていないマージモデルですが、SD1.5ベースのモデルです。

すべての画像は後からの編集なしで生成されています。ConanとRed Sonjaのみ、追加のステップ（キャラクターの独立生成、潜在変数の合算、顔の復元）を経て作成されています。Lora、テキスト逆転、その他の追加ツールは一切使用していません。

以下3つのバージョンをアップロードしました：

最適化されていない：VRAMをより多く消費しますが、モデルの読み込みが高速（10秒）です。テスト用におすすめ。例：640x640を4GBのGPUで実行。
メモリ最適化：VRAM消費が少なく、初期読み込み時間が長くなる（最大1分かかります）。例：4GBで1024x768まで問題なく実行可能。
潜在一貫性（Latent Consistency）：ステップ数が少ない（6〜12）で、各ステップの処理時間が通常の40〜50％高速です。最適化されていないモデルよりやや多くのメモリを消費します。このモデルは「SimianLuo/LCM_Dreamshaper_v7」のfp16レプリカであり、独自のマージモデルではありません。

また、これらのモデルを試す場合は、私のUIをご確認ください：

フィードバックを大変歓迎します。

**LCM：論文の完全な説明に従ったモデルです。LCM-LORA重みを含むものはすでに動作していました。

SDのONNXは動作するためのディレクトリ構造を必要とするため、メインモデルをzipファイルとしてアップロードしましたが、Civitaiはそれらを「トレーニングデータ」としてのみマークできるため、これらがメインモデルです。

PD：SD1.xおよびSD2.xモデルで動作しますが、現時点ではSDXLモデルをONNX-fp16に変換できないため、SDXLには対応していません。

アップロード済み：

3xメインベースモデル

VAEエンコーダーおよびデコーダー

TextEncoder（clip-slip1）

アップロード予定（但しHuggingFaceで利用可能）：ControlNetベースモデル、Danbooruタグ付け、TextEncoder（clip-slip2,3,4）