EasyFluff
详情
下载文件
关于此版本
模型描述
2024年3月29日更新：基于Fluffusion R3的更具实验性的个人合并版本已发布。此合并版本与本模型系列的先前版本不同，因此不会明确使用该命名方案。由于这是v-prediction模型，请记得使用yaml或采样节点。Fluffusion使用clip skip 2训练，因此请确保在您选择的UI中设置此参数。
以下信息已过时。仅此而已。
结果过于饱和、平滑、缺乏细节？完全没有结果？请阅读以下内容！
这是一个terminal-snr-v-prediction模型，需要与模型文件一同放置配置文件，并使用CFG Rescale WebUI扩展！更多信息及ComfyUI的等效方案请见下文。
如何运行此模型
- 这是一个terminal-snr-v-prediction模型，您需要一个配套的配置文件以v-prediction模式加载模型。您可以在文件下拉菜单中下载该文件，并将其放置在与模型相同的文件夹中。
- 您还需要https://github.com/Seshelle/CFG_Rescale_webui。该扩展可通过在“扩展”标签页的“从URL安装”区域复制此仓库链接来安装。扩展的作者建议使用0.7的CFG Rescale值。安装后，CFG Rescale滑块将位于您的生成参数下方、脚本部分上方。如果您未使用CFG Rescale直接进行推理，您将获得如下这篇研究论文所述的结果。
- 如果您使用ComfyUI，则需要从https://github.com/comfyanonymous/ComfyUI_experiments获取sampler_rescalecfg.py节点。
如何为此模型编写提示词
- 自然语言对V7版本后的此模型有显著影响。它无法理解所有内容，但能引导您获得不错的结果。当您无法再从中榨取更多效果时，可使用e621标签来优化您的提示词。（当然，您也可以直接使用标签，两种方式都有效。）
- 以简短的自然语言提示开头，描述您想要的内容，然后用e621标签补充以细化具体概念。由于这是v-prediction模型，提示词的解释可能更偏向字面意义。
- 许多SD 1.5中的风格词和艺术家名称依然有效。
- PolyFur是基于MiniGPT-4的描述进行训练的，因此请尽量使用华丽的提示词，甚至可使用完整句子。（请查看预览图的生成信息以了解示例。）
- 如果某个知名角色未能准确生成，请提高其标记的强度，并添加一些描述其外观的隐含标签。请注意，那些在FluffyRock数据集中不热门或图像数量较少的角色，通常在没有LORA的情况下表现不佳。
- 避免过度加权镜头角度关键词，尤其是close-up。
- 分辨率在576至1088之间效果较好，因为这与FluffyRock的训练范围一致。
模型信息与创建过程
现已推出V8.1版本，此为近期最后一个主要版本。目前，Feffy的Quality Tag LORA尚未内嵌，建议您单独使用该LORA。在V4-V6版本中，@Feffy的Quality Tag LORA已被整合进FluffyRock部分。请在正/负向提示词中加入：masterpiece、best quality、worst quality、low quality、normal quality。
此模型为**“Train Difference”**混合（参见https://github.com/hako-mikan/sd-webui-supermerger/blob/main/calcmode_en.md#traindifference），将FluffyRock与PolyFur融合于一个多样且通用的基础模型之上，以扩展文本编码器对e621标签之外概念的提示与理解能力。该过程不同于传统的合并和分块合并，不应与我们之前使用的“Add Difference”混淆。当前基础模型是六种非兽人模型以不同比例混合而成，这些模型本身也大多是合并产物，覆盖了广泛的提示能力。自V6版本起，这一过程变得更加复杂，引入了CLIP调整和分块合并。