admiral_hipper/アドミラル・ヒッパー/希佩尔海军上将 (Azur Lane)

• 此模型包含两个文件，您必须同时使用它们！！！
• 关联的触发词仅作参考，有时可能需要调整。
• 嵌入模型的推荐权重为1，可提供更高保真度；如需更强的泛化能力，可降低至0.5。
• LoRA模型的推荐权重为0.85；若出现污染迹象，建议降至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，排除了挑选行为。所见即所得。
• 服装未进行专门训练。您可查看我们提供的预览帖，获取对应服装的提示词。

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，您需下载 admiral_hipper_azurlane.pt 和 admiral_hipper_azurlane.safetensors 两个文件，然后将 admiral_hipper_azurlane.pt 用作纹理反转嵌入，同时将 admiral_hipper_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、admiral_hipper_azurlane.ptとadmiral_hipper_azurlane.safetensorsの両方をダウンロード する必要があります。admiral_hipper_azurlane.ptをテクスチャ反転埋め込みとして使用し、同時にadmiral_hipper_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admiral_hipper_azurlane.pt和admiral_hipper_azurlane.safetensors这两个文件，然后将admiral_hipper_azurlane.pt用作纹理反转嵌入， 同时使用admiral_hipper_azurlane.safetensors作为LoRA。

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

(Translated with ChatGPT)

触发词为 admiral_hipper_azurlane，推荐标签为：best quality, masterpiece, highres, solo, {admiral_hipper_azurlane:1.15}, blonde_hair, long_hair, green_eyes, two_side_up, bangs, hair_between_eyes, ahoge, blush, cross, mole, iron_cross, breasts, open_mouth, mole_under_eye, collarbone, hat。

模型训练方式

本模型使用 HCP-Diffusion 训练，自动训练框架由 DeepGHS Team 维护。

为何部分预览图看起来不像“海军上将希佩尔（碧蓝航线）”

所有预览图所使用的提示词文本（点击图像即可查看）均通过聚类算法自动生成，算法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，且图像未经过任何筛选或修改。因此，可能出现上述问题。

实际使用中，根据我们的内部测试，大多数出现此类问题的模型在真实应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，该怎么办？

我们的模型已发布于 huggingface 仓库 - CyberHarem/admiral_hipper_azurlane，其中保存了所有训练步骤的模型。同时，我们也将训练数据集发布于 huggingface 数据集 - CyberHarem/admiral_hipper_azurlane，这对您可能有帮助。

为何不直接使用筛选更好的图像？

本模型从数据爬取、训练、生成预览图到发布，全过程100%自动化，无人工干预。这是我们团队进行的一项有趣实验，为此我们开发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，因为这些对我们的工作至关重要。

为何无法准确生成角色的期望服装？

我们当前的训练数据来源于多个图像网站。在全自动流程中，很难精准预测某一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，以期实现最佳还原效果。我们将持续改进这一问题，但仍难以完全解决。服装还原的准确度也难以达到人工训练模型的水平。

事实上，本模型最大的优势在于还原角色本身的固有特征，以及因数据量更大而具备较强的泛化能力。因此，本模型非常适合用于更换服装、调整角色姿势，当然，也适用于生成角色的NSFW图像！😉

以下群体不建议使用本模型，我们深表遗憾：

1. 无法容忍角色原设计哪怕最微小偏差的用户；
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算法生成图像潜在随机性的用户；
4. 对使用LoRA全自动训练角色模型的方式感到不适，或认为必须完全手动操作才能避免对角色不敬的用户；
5. 觉得生成内容违背自身价值观的用户。