pamiat_merkuria/パーミャチ・メルクーリヤ/水星纪念 (Azur Lane)

• 此模型包含两个文件，您必须同时使用它们！！！
• 相关触发词仅作参考，有时可能需要调整。
• 嵌入模型推荐权重为1，可提供更高保真度；如需更强的泛化能力，可降至0.5。
• LoRA模型推荐权重为0.85；若出现污染迹象，可考虑降至0.5。
• 预览图使用若干固定测试提示词及从聚类数据集特征衍生的提示词生成，采用随机种子，排除了人为挑选。所见即所得。
• 服装并未进行专门训练。您可参考我们提供的预览帖，获取对应的服装提示词。

如何使用此模型

此模型包含两个文件，您必须同时使用它们！！！。在此情况下，您需要下载 pamiat_merkuria_azurlane.pt 和 pamiat_merkuria_azurlane.safetensors 两个文件，然后将 pamiat_merkuria_azurlane.pt 用作纹理反转嵌入，同时将 pamiat_merkuria_azurlane.safetensors 用作 LoRA。

このモデルには2つのファイルがあります。一緒に使う必要があります！！！。 この場合、pamiat_merkuria_azurlane.ptとpamiat_merkuria_azurlane.safetensorsの両方をダウンロード する必要があります。pamiat_merkuria_azurlane.ptをテクスチャ反転埋め込みとして使用し、同時にpamiat_merkuria_azurlane.safetensorsをLoRAとして使用してください。

这个模型有两个文件。你需要同时使用它们！！！。 在这种情况下，您需要下载pamiat_merkuria_azurlane.pt和pamiat_merkuria_azurlane.safetensors这两个文件，然后将pamiat_merkuria_azurlane.pt用作纹理反转嵌入， 同时使用pamiat_merkuria_azurlane.safetensors作为LoRA。

이 모델은 두 개의 파일이 있습니다. 두 파일을 함께 사용해야 합니다!!!. 이 경우에는 pamiat_merkuria_azurlane.pt와 pamiat_merkuria_azurlane.safetensors 두 파일을 모두 다운로드하신 다음에 pamiat_merkuria_azurlane.pt을 텍스처 반전 임베딩으로 사용하고, 동시에 pamiat_merkuria_azurlane.safetensors을 LoRA로 사용하셔야 합니다。

(Translated with ChatGPT)

触发词为 pamiat_merkuria_azurlane，推荐标签为：best quality, masterpiece, highres, solo, {pamiat_merkuria_azurlane:1.15}, long_hair, breasts, blush, purple_eyes, large_breasts, black_hair, smile, bangs, open_mouth, hat, one_side_up, white_headwear。

此模型的训练方式

此模型使用 HCP-Diffusion 进行训练，自动训练框架由 DeepGHS 团队 维护。

为何部分预览图看起来不像 Pamiat Merkuria Azurlane

所有用于预览图的提示文本（可通过点击图片查看）均通过聚类算法自动生成，基于从训练数据集中提取的特征信息。图像生成时使用的种子也是随机生成的，且图像未经过任何筛选或修改。因此，出现上述问题的可能性是存在的。

实际上，根据我们的内部测试，大多数出现此类问题的模型在实际使用中的表现优于预览图所展示的效果。您唯一需要做的，可能是调整所使用的标签。

我觉得此模型可能存在过拟合或欠拟合，我该怎么办？

我们的模型已发布于 huggingface 仓库 - CyberHarem/pamiat_merkuria_azurlane，其中保存了所有训练步骤的模型。同时，我们也发布了训练数据集于 huggingface 数据集 - CyberHarem/pamiat_merkuria_azurlane，这可能对您有所帮助。

为何不直接选用效果更好的图片？

本模型从数据爬取、训练、生成预览图到发布的整个流程，100% 自动化，无人工干预。这是我们团队进行的一项有趣实验，为此我们构建了一整套软件基础设施，包括数据过滤、自动训练和自动化发布。因此，若您能提供反馈或建议，我们将非常感激，这些对我们的帮助极大。

为何无法准确生成目标角色的服装？

目前我们的训练数据来源于多个图片网站，而在全自动化流程中，很难精确预测某个角色拥有哪些官方图像。因此，服装生成依赖于基于训练数据集标签的聚类分析，力求实现最佳还原效果。我们将持续改进这一问题并尝试优化，但它仍是一个无法完全解决的挑战。服装还原的准确性也难以达到人工训练模型的水平。

事实上，本模型的最大优势在于还原角色本身固有的特征，以及因数据集规模较大而具备的较强泛化能力。因此，此模型非常适合用于更换服装、调整角色姿势，当然也包括生成角色的NSFW图像！😉

对于以下人群，我们不建议使用本模型，并深表遗憾：

1. 无法容忍角色原设计任何细微偏差的用户。
2. 对角色服装还原精度要求极高的应用场景使用者。
3. 无法接受基于 Stable Diffusion 算法生成图像的潜在随机性的用户。
4. 不适应使用 LoRA 自动训练角色模型的流程，或认为训练角色模型必须完全人工操作以避免对角色不敬的用户。
5. 认为生成图像内容违背其价值观的用户。