tutu's HiSilk (5D Polka Dot Black Pantyhose)/图图的嗨丝（5D波卡圆点黑色连裤袜丝袜）/チュチュのハイシルク（5D水玉黒パンスト）
詳細
ファイルをダウンロード
このバージョンについて
モデル説明
V2:
このバージョンについて
交流Q群：950351015、遊びに来て、情報を共有してください。
Telegram: https://t.me/+nbU3j7rLEYZkNzVl
以前作成したポルカドットはいつも不満足で、汚染がひどかったです。何度も試行錯誤を重ね、新たに作り直しました。以前のものよりはるかに良くなり、トリガーがより簡単で、汚染も少なくなりました。
差分抽出法3.0 + 実写制作。
ウェイトはさまざまな値を試してみてください。底画像と実現したい効果に応じて調整してください。
靴はブラックフットウェアやローファー、レザーブーツなど、より洗練された雰囲気になるものを推奨します。
今後、私が作成するすべてのLORAのトリガー語は「tutututu」（4つの「tu」）に統一します。
このモデルは次のように記述できます：(tutututu),pantyhose。
なぜこのLORAを作成したのですか？
似たようなLORAは多数ありますが、一方で、これらのLORAの多くは現実感に欠けており、現在流行しているファッションアイテムを十分に再現できていません。また、リアルさに乏しいのも問題です。
さらに、LORAの品質はまちまちで、多くのLORAが人物や画像全体に大きな影響を与えており、使用が不便です。そのため、衣類のLORAシリーズを制作しようと考えました。
使用方法：
LORAを正しく使用していることを確認してください。
CLIPの終了層数は2に設定することをお勧めします。
ウェイトは0.4～1の間で試してみてください。
トリガー語は：(tutututu),pantyhose。（また、tutututu, polka dot pantyhose と書くことも可能ですが、これによりポルカドットの効果がより強くなります。ただし、「polka dot」という言葉は画像の他の部分にも影響を与える可能性があるため、必要に応じてBREAKを追加してください。）
ネガティブプロンプトはあまり多く追加しないでください。それによりLORAの効果が損なわれる可能性があります。
プロンプト・ガイド係数（CFG Scale）は7から試してみてください！
使用中に問題が発生した場合は、お気軽にお知らせください！
あなたの作品を楽しみにしています！
あなたの作品を楽しみにしています！
あなたの作品を楽しみにしています！
声明：
このモデルを使用して作成したすべてのクリエイティブ作品については、利用者が全責任を負うものとします。
このモデルを故意に違法または有害な出力またはコンテンツの作成・共有に使用しないでください。悪意ある、危害を加える、中傷的、詐欺的、または政治的用途での使用は避けてください。
このモデルを商業目的で使用する場合は、必ずご連絡ください。ありがとうございます。
よくある質問：
- 差分抽出法とは何ですか？
名前の通り、単純に差異を抽出してLORAを作成する方法です。一般的なLORAは画像を直接トレーニングしますが、その場合、底画像や他の環境要因によってLORAが汚染され、画像生成時に予期しない影響が出てしまいます。差分抽出法で作成したLORAはこれらの汚染を除去するため、たとえウェイトを高く設定しても画像への汚染が極めて少なく、モデルの品質が向上します。ただし、差分抽出法はより複雑で、手順も増えます。
- なぜこのLORAを作成したのですか？
似たようなLORAはたくさんありますが、一方で、これらのLORAの多くは現実感に欠けており、現代的なファッションアイテムを十分に再現していません。また、リアルさに乏しいのも問題です。
さらに、LORAの品質はまちまちで、多くのLORAが人物や画像全体に大きな影響を与えており、使用が不便です。そのため、衣類のLORAシリーズを制作しようと考えました。
- なぜ私はあなたと同じ写真を作れないのですか？
それぞれのコンピュータの設定や操作環境は異なり、使用するLORAやプラグインのバージョン、設定なども異なります。したがって、完全に同じ写真を追求するのではなく、自分だけの完璧な作品を作り上げてください！
- どうやって連絡できますか？
カスタムLORAの依頼や他の協力の意向がある場合は、ここに直接メッセージを残してください、またはQ331506796までご連絡ください（目的を明記してください）。
- 差分抽出法に対してどのような最適化を行いましたか？単なる思いつきですか？
A：関連するコードに対して多くの最適化を行いました：
自動化モデル探索：複数のモデルから自動的に複数の融合モデルを生成します。これはパラメータチューニングやモデル選択のような自動化プロセスに似ていますが、モデルの融合に焦点を当てています。
ユークリッド距離に基づく変動性分析：2つのLoRA（Low-Rank Adaptation）モデル間の重みの差異を比較するために使用されます。
変動性分析では、ユークリッド距離を用いて2つのモデルの重みの差異を定量化します。具体的には：
重みの表現：各LoRAモデルの重みは、高次元空間内の1つの点と見なせます。重みの各要素は、空間内の1つの次元に対応します。
差異の計算：2つのモデルの対応する重み間のユークリッド距離を計算することで、これら2つの重みが高次元空間内での相対的な位置の差異を表す値を得られます。
差異の解釈：大きなユークリッド距離は、2つのモデルがその重みにおいてより異なることを意味し、小さな距離はより類似していることを意味します。
この変動性分析はモデル融合の意思決定を支援するために使用されます。たとえば、2つのモデルが特定の重みで非常に異なる場合、その重みを特別に処理して、融合モデルが2つの元のモデルの特性を効果的に組み合わせられるようにする必要があります。
これらの最適化はすべて、私が独自に収集した素材に特化して行われたものであり、その素材には特異性があります。したがって、これは従来の差分抽出とは異なり、いくつかのトレードオフが伴います。
どうぞお楽しみください。