hood/フッド/胡德 (Azur Lane)

• 由于 Civitai 的服务条款，部分图像无法上传。完整的预览图像请参见 HUGGINGFACE。
• 此模型包含两个文件。如果您使用的是 a1111 的 WebUI v1.6 或更低版本，您必须同时使用这两个文件！。如果您使用的是 WebUI v1.7+，只需像普通 LoRA 一样使用 safetensors 文件即可。
• 已精简的角色标签为：blonde_hair、long_hair、blue_eyes、breasts、hair_over_shoulder、large_breasts、earrings。当角色的核心特征（例如发色）不够稳定时，您可以在提示词中添加这些标签。
• pt 文件推荐权重为 0.7–1.1，LoRA 权重为 0.5–0.85。
• 图像使用一些固定提示词和基于数据集的聚类提示词生成，采用随机种子，排除了人为挑选。您看到的就是您能得到的。
• 未对服装进行专门训练。您可查看我们提供的预览帖，获取对应服装的提示词。
• 本模型使用 809 张图像 进行训练。
• 我们自动选择的步骤为 4060，以平衡模型的保真度与可控性。以下是所有步骤的概览。您可以在 huggingface 仓库 - CyberHarem/hood_azurlane 中尝试其他推荐步骤。

如何使用此模型

此模型包含两个文件。如果您使用的是 WebUI v1.6 或更低版本，您必须同时使用这两个文件！！！ 在这种情况下，您需要下载 hood_azurlane.pt 和 hood_azurlane.safetensors，然后将 hood_azurlane.pt 放入 embeddings 文件夹，并同时将 hood_azurlane.safetensors 作为 LoRA 使用。如果您使用的是 WebUI v1.7+，只需像常规 LoRA 一样使用 safetensors 文件即可。这是因为嵌入式 LoRA/Lycoris 模型现已获 a1111 WebUI 官方支持，更多详情请参见 此处。

このモデルには2つのファイルがあります。WebUI v1.6 以下のバージョンを使用している場合は、これらを一緒に使用する必要があります！！！ この場合、hood_azurlane.pt と hood_azurlane.safetensors の両方をダウンロードする必要があり、 その後、hood_azurlane.pt を embeddings フォルダに入れ、同時に hood_azurlane.safetensors をLoRAとして使用します。 webui v1.7+を使用している場合、一般的なLoRAsのようにsafetensorsファイルを使用してください。 これは、埋め込みバンドルされたLoRA/Lycorisモデルが現在、a1111のwebuiに公式にサポートされているためです。 詳細についてはこちらをご覧ください。

此模型包含两个文件。如果您使用的是 WebUI v1.6 或更低版本，您需要同时使用这两个文件！ 在这种情况下，您需要下载 hood_azurlane.pt 和 hood_azurlane.safetensors 两个文件， 然后将 hood_azurlane.pt 放入 embeddings 文件夹中，并同时使用 hood_azurlane.safetensors 作为 LoRA。 如果您正在使用 webui v1.7 或更高版本，只需像常规 LoRAs 一样使用 safetensors 文件。 这是因为嵌入式 LoRA/Lycoris 模型现在已经得到 a1111's webui 的官方支持， 更多详情请参见这里。

触发词为 hood_azurlane，精简标签为 blonde_hair, long_hair, blue_eyes, breasts, hair_over_shoulder, large_breasts, earrings。当某些特征（例如发色）有时不够稳定时，您可以将这些标签添加到提示词中。

模型训练方式

• 本模型使用 HCP-Diffusion 进行训练。
• 自动训练框架 由 DeepGHS 团队 维护。
• 训练所用的基础模型为 deepghs/animefull-latest。
• 训练数据集为 CyberHarem/hood_azurlane 中的 stage3-p480-800，共包含 809 张图像。
• 批量大小为 4，分辨率为 720x720，聚类为 5 个桶。
• 正则化数据集的批量大小为 2，分辨率为 720x720，聚类为 20 个桶。
• 训练共进行 8120 步，保存并评估了 40 个检查点。
• 我们自动选择的步骤为 4060，以平衡模型的保真度与可控性。

更多训练细节及推荐步骤，请参阅 huggingface 仓库 - CyberHarem/hood_azurlane。

为何部分预览图像与角色不相似

所有预览图像所使用的提示词（点击图像可查看）均是基于训练数据集中提取的特征信息，通过聚类算法自动生成的。图像生成过程中使用的种子也是随机生成的，且图像未经过任何人工筛选或修改。因此，出现上述问题的可能性是存在的。

在实际使用中，根据我们的内部测试，大多数出现此类问题的模型在真实使用中表现优于预览图像所示的效果。您唯一可能需要做的就是调整所使用的标签。

我感觉此模型可能存在过拟合或欠拟合，我该怎么办？

您在这里看到的步骤是自动选定的。我们也为您推荐了其他优质步骤可供尝试。请点击此处选择您偏好的步骤。

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

为何不直接使用筛选后的更好图像？

本模型从数据爬取、训练、生成预览图像到发布，全过程完全自动化，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、自动训练与自动化发布。因此，若您能提供反馈或建议，我们将非常感激，因为这对我们的工作至关重要。

为何无法精确生成角色的指定服装？

我们目前的训练数据来源于多个图像网站，对于全自动流程而言，准确预测某角色拥有哪些官方图像十分困难。因此，服装生成依赖于基于训练数据集标签的聚类，以尽可能还原最佳效果。我们将持续改进这一问题并尝试优化，但该挑战目前尚无法完全解决。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精准还原角色本身的固有特征，以及因数据集规模较大而具备的较强泛化能力。因此，本模型非常适合用于换装、调整角色姿势，当然也包括生成角色的 NSFW 图像！😉。

对于以下群体，我们不建议使用本模型，并深表歉意：

1. 无法容忍角色原设计中哪怕最微小偏差的用户。
2. 对角色服装还原的准确性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. 不习惯使用 LoRA 自动训练角色模型，或认为必须完全手动操作训练角色模型以避免“不尊重角色”的用户。
5. 认为生成内容违背其价值观的用户。