SDXL HK
세부 정보
파일 다운로드
모델 설명
V1.2 변경 사항:
일관성 개선
새로운 데이터셋으로 학습
V1.1 변경 사항:
1.0 버전의 새로운 데이터셋으로 학습하여 언어적 심층성 통합 및 디테일과 정밀도 향상
알려진 문제: 버전 1부터 손과 일부 해부학적 부위에 문제가 있습니다. V1.1은 여전히 존재하지만 V1보다 덜 두드러지는 이러한 문제들을 일부 수정하려고 시도합니다
V1 변경 사항:
대규모 데이터셋과 LLM에서 유도된 프롬프트로 학습, 일반적인 태그 외에도 t5xxl 스타일도 지원
최적 사용: Deepshrink 및 Perturbed Attention Guidance
불행히도, clip과 모델을 수정하여 t5xxl을 통합함으로써 모델이 더 불안정해졌고 생성 과정에서 더 많은 제어가 필요해졌습니다. 따라서 ComfyUI를 사용하고 제 이미지에서 노드를 참고하는 것을 권장합니다
V1 BETA2 변경 사항:
모델이 완전히 처음부터 재설계
패션, 사진, 시네마틱 분야를 위한 고급 학습
DPO 병합
베타 기능: 문구 및 잡지 표지
잡지 표지 트리거:
magazine cover
학습된 표지 트리거:
SURFACE
XIOX
DIOR
PAPER
ID
HERO
GQ
ADIDAS
VIPER
PORTER
HARRODS
LOVE WAN
V
INTERVIEW
THE FACE
TEENVOG
HARPER'S BAZAAR
ASOS
WONDERLAND
DAZED
MIXMAG
NUMERO
WOMAN
MOEVIR
ALLURE
WAD
ROSALIA
FASHION
COSMOPOLITAN
WALLPAPER
BILLBOARD
W
L'OFFICEL
GLAMOUR
VOGUE
FISHEYE
ELLE
TIME
VOUGE
PLAYBOY
참고: 스케줄러로는 카라스(Karras) 또는 AYS 사용을 권장합니다
V0.97b 변경 사항:
시네마틱/과학소설 학습: 25 에포크, 67,000 스텝
패션 학습: 20 에포크, 43,000 스텝
디테일 + Unet 학습: 10 에포크, 70,000 스텝
- DPO 병합
CosXL 버전:
Cosine-Continuous Stable Diffusion XL은 Stability.ai의 새로운 실험적 SD 모델입니다. 이 스케줄의 가장 두드러진 특징은 SD 모델의 톤 문제를 해결하고 '완전한 검정'에서 '순수한 흰색'까지의 전체 색 범위를 생성할 수 있다는 점으로, 노이즈 오프셋 또는 LoRA 솔루션보다 훨씬 뛰어난 성능을 발휘합니다.
0.95c 변경 사항:
더 사진적, 손과 눈 문제 수정
클로즈업 사진
피부 디테일 향상
레이트레이싱 향상
새로운 데이터셋으로 미세 조정
0.9 변경 사항:
더 그래픽적 (학습된 LoRA 4개 추가)
0.75 버전의 최고 결과 기반으로 미세 조정
0.75 변경 사항:
더 과학소설적
더 사이버펑크적
더 시네마틱적
SDXL HK 0.9를 소개합니다! 최첨단 기술의 다재다능한 융합체입니다. 이번 버전은 사실성과 과학소설의 경계를 확장하며 혁신의 강력한 원동력이 되었습니다. 이번 버전에서 새롭게 개선된 점은 무엇인가요?
향상된 그래픽: 7개의 철저히 학습된 LoRA를 통합하여 시각적 경험을 강화하고, 몰입감 있는 콘텐츠 생성을 위한 그래픽 기능을 풍부하게 만들었습니다.
미세 조정: 이전 버전(0.75)의 성공을 기반으로 진행
SDXL HK 0.75의 특징은 무엇인가요?
과학소설 강화: 과학소설 요소를 더 많이 통합하여 전통적인 경계를 초월하고 복잡하고 매력적인 내러티브를 창조합니다.
사이버펑크 감성: 사이버펑크의 정신을 수용하여 미래적이고 세련된 분위기를 제공하며 다양한 창조적 가능성을 열어줍니다.
시네마틱: 시네마틱 경험을 고양하여 영화 같은 장대한 시각을 창조하고, 몰입감 있게 이야기를 생생하게 구현합니다.
병합 모델: SDXL HK 0.75는 Afroman4peace의 모델을 기반으로 제작되었습니다. 베이스, 리파이너, 일부 LoRA 및 Afroman4peace의 모델을 병합했으며, 사진 콘텐츠에 특화된 두 개의 미세 조정된 LoRA 모델과 추가로 병합되었습니다.
일관성 유지: 이 모델의 주된 목표는 LoRA 모델들과 함께 일관된 품질 기준을 유지하여 다양한 창작 활동에서 일관성과 신뢰성을 확보하는 것입니다.