Lab @1 : trying to have better pantyhose, see-through, maturity.
세부 정보
파일 다운로드
모델 설명
모든 LoRa 랩 테스트 정보. (더 많은 시도 과정을 알고 싶다면)
/model/1366934로 이동하세요.
/model/1366934로 이동하세요.
현재 테스트 세트의 다양한 접근 방식 설명 (본 트레이닝 실험 집합에서의 다양한 방식 설명)
학습된 "nsfw 스타일리시 (패티홍스 & 투명)" LoRa의 느낌과 차이점을 확인하려면 다음 접근 방식을 시도하세요:
1장 이미지, 정규화 없음 (p1_wor): /model/1360124
1장 이미지, 정규화 있음 (p1_wr): /model/1360141
3장 이미지, 정규화 없음 (p3_wor): /model/1360163
3장 이미지, 정규화 있음 (p3_wr): /model/1360171
8장 이미지, 정규화 없음 (p8_wor): /model/1360183
8장 이미지, 정규화 있음 (p8_wr): /model/1360189
24장 이미지, 정규화 없음 (p24_wor): /model/1360230
24장 이미지, 정규화 있음 (p24_wr): /model/1360268
이번에는 captions를 WD14 Conv v2 태거를 직접 사용해 생성했으며, 추가 또는 삭제는 하지 않았습니다.
다음과 같은 접근 방식을 시도해보세요. 학습된 "nsfw 스타일리시 (패티홍스 & 투명)" LoRa의 느낌과 차이점을 확인하세요:
1장 이미지, 정규화 없음 (p1_wor): /model/1360124
1장 이미지, 정규화 있음 (p1_wr): /model/1360141
3장 이미지, 정규화 없음 (p3_wor): /model/1360163
3장 이미지, 정규화 있음 (p3_wr): /model/1360171
8장 이미지, 정규화 없음 (p8_wor): /model/1360183
8장 이미지, 정규화 있음 (p8_wr): /model/1360189
24장 이미지, 정규화 없음 (p24_wor): /model/1360230
24장 이미지, 정규화 있음 (p24_wr): /model/1360268
이번에는 captions를 WD14 Conv v2 태거를 직접 사용해 생성했으며, 추가 또는 삭제는 하지 않았습니다.
원하는 학습 효과 (학습에서 원하는 효과)
소녀의 성숙도 향상
의상에 자연스러운 투명 효과 추가
패티홍스 스타일 조정 ( flesh-colored shiny 스타일; 명시하지 않을 경우 패티홍스의 기본 확률 증가)
소녀의 성숙도 향상
의상에 자연스러운 투명 효과 추가
패티홍스 스타일 조정 ( flesh-colored shiny 스타일; 명시하지 않을 경우 패티홍스의 기본 확률 증가)
일부 발견 (일부 발견)
Lab@1 - 250316 기록 (Lab@1 - 250316 기록)
여기서 언급된 일부 입력 이미지(dataset) 및 정규화 이미지는 모델의 이미지 데모(Showcase)에서 참고할 수 있습니다.
- Civitai의 뛰어난 점은 이미지 관련 프롬프트와 파라미터를 매우 잘 표시해 주며, webui로 생성된 XY 비교 차트까지 포함합니다.
p1_wor는 많은 장면에서 입력된 소녀의 외모를 픽셀 단위로 재현할 수 있습니다.
- 그러나 단점도 분명합니다: 특별한 프롬프트가 없으면 모든 특징을 극도로 복원하려 하며, 변형성이 매우 낮습니다.
WAI 기본 모델에서
full body는standing자세와 높게 결합되어 있습니다.- 그러나 neg 프롬프트에
standing을 추가해도 명확한 효과가 없는 것 같습니다.
- 그러나 neg 프롬프트에
p24 학습 결과는 소녀의 특징을 다른 캐릭터로 전이하는 경향이 있습니다. 예를 들어, Ao Run(敖闰) 테스트 이미지에서 용의 얼굴에 뚜렷한 여성화 영향이 나타납니다.
p24_wor 버전에서 +pantyhose를 사용할 때, 때때로 다소 기이한 자세가 생성됩니다(데이터셋의 대부분 자세가 매우 큰 편이라서 그런지도 모릅니다).
- 학습되지 않은 세부 사항(손, 작은 물체, 일부 세부 논리 등)은 p24가 잘 처리하지 못하는 것 같습니다.
p24_wr은 시각적으로 품질이 가장 우수해 보입니다.
많은 특징이 직접 반영되지는 않지만, 자체적인 이해와 융합을 통해 표현됩니다.
그러나
+full body에 대한 제어 능력에 문제가 있는 것 같습니다.- 정규화 이미지에 부분 신체 이미지가 많아서 그런지도 모릅니다.
또한, pantyhose가 나타나고 다른 프롬프트 제어가 없을 때, 하반부 이미지를 출력하는 경향이 있습니다.
게다가 복잡한 구성 요소를 처리할 때, p24 시리즈는 때때로 과도하게 표현하려 하여 이미지가 붕괴되는 경향이 있습니다.
여기서 언급된 일부 입력 이미지(dataset) 및 정규화 이미지는 모델의 이미지 데모(Showcase)에서 참고할 수 있습니다.
- Civitai의 뛰어난 점은 이미지 관련 프롬프트와 파라미터를 매우 잘 표시해 주며, webui로 생성된 XY 비교 차트까지 포함합니다.
p1_wor는 많은 장면에서 입력된 소녀의 외모를 픽셀 단위로 재현할 수 있습니다.
- 그러나 단점도 분명합니다: 특별한 프롬프트가 없으면 모든 특징을 극도로 복원하려 하며, 변형성이 매우 낮습니다.
WAI 기본 모델에서
full body는standing자세와 높게 결합되어 있습니다.- 그러나 neg 프롬프트에
standing을 추가해도 명확한 효과가 없는 것 같습니다.
- 그러나 neg 프롬프트에
p24 학습 결과는 소녀의 특징을 다른 캐릭터로 전이하는 경향이 있습니다. 예를 들어, Ao Run(敖闰) 테스트 이미지에서 용의 얼굴에 뚜렷한 여성화 영향이 나타납니다.
p24_wor 버전에서 +pantyhose를 사용할 때, 때때로 다소 기이한 자세가 생성됩니다(데이터셋의 대부분 자세가 매우 큰 편이라서 그런지도 모릅니다).
- 학습되지 않은 세부 사항(손, 작은 물체, 일부 세부 논리 등)은 p24가 잘 처리하지 못하는 것 같습니다.
p24_wr은 시각적으로 품질이 가장 우수해 보입니다.
많은 특징이 직접 반영되지는 않지만, 자체적인 이해와 융합을 통해 표현됩니다.
그러나
+full body에 대한 제어 능력에 문제가 있는 것 같습니다.- 정규화 이미지에 부분 신체 이미지가 많아서 그런지도 모릅니다.
또한, pantyhose가 나타나고 다른 프롬프트 제어가 없을 때, 하반부 이미지를 출력하는 경향이 있습니다.
게다가 복잡한 구성 요소를 처리할 때, p24 시리즈는 때때로 과도하게 표현하려 하여 이미지가 붕괴되는 경향이 있습니다.
잠재적 문제 (잠재적 문제)
전체 데이터셋은 모두 1girl, solo로 구성되어 있어 다른 캐릭터(예: 남성 캐릭터)에 대한 기본 스타일에 문제가 있을 수 있습니다.
LoRa가 복잡한 프롬프트를 처리하는 능력에 대해서는 확신이 없습니다.
전체 데이터셋은 모두 1girl, solo로 구성되어 있어 다른 캐릭터(예: 남성 캐릭터)에 대한 기본 스타일에 문제가 있을 수 있습니다.
LoRa가 복잡한 프롬프트를 처리하는 능력에 대해서는 확신이 없습니다.
현재 학습 설정 (현재 학습 관련 설정)
이미지 수: number (p1, p3, p8, p24 참조)
정규화: with reg (wr) | without reg (wor)
이미지 수: number (p1, p3, p8, p24 참조)
정규화: with reg (wr) | without reg (wor)
모델 학습 파라미터 (모델 학습 파라미터)
[학습 파라미터]
BASE=https://civitai.com/models/827184/wai-nsfw-illustrious-sdxl => v12
EPOCHS=8 # 학습 에포크 수
SEED=1861
[해상도 설정]
TRAINING_WIDTH=1024 # 학습 가로 해상도
TRAINING_HEIGHT=1152 # 학습 세로 해상도
MAX_BUCKET_RESO=$TRAINING_HEIGHT # 최대 버킷 해상도
[하드웨어 적응]
DIM=32 # 네트워크 차원
DIM_ALPHA=28 # 네트워크 alpha 값
TRAINING_BATCH_SIZE=1 # 배치 크기
[학습 파라미터]
--train_batch_size 1
--learning_rate 0.0001
--unet_lr 0.0001
--text_encoder_lr 0.00001
--optimizer_type "AdamW8bit"
--mixed_precision "bf16"
--save_model_as "safetensors"
--save_precision "fp16"
--save_every_n_epochs 2
--cache_latents to_disk
--xformers
--lowram
[학습 파라미터]
BASE=https://civitai.com/models/827184/wai-nsfw-illustrious-sdxl => v12
EPOCHS=8 # 학습 에포크 수
SEED=1861
[해상도 설정]
TRAINING_WIDTH=1024 # 학습 가로 해상도
TRAINING_HEIGHT=1152 # 학습 세로 해상도
MAX_BUCKET_RESO=$TRAINING_HEIGHT # 최대 버킷 해상도
[하드웨어 적응]
DIM=32 # 네트워크 차원
DIM_ALPHA=28 # 네트워크 alpha 값
TRAINING_BATCH_SIZE=1 # 배치 크기
[학습 파라미터]
--train_batch_size 1
--learning_rate 0.0001
--unet_lr 0.0001
--text_encoder_lr 0.00001
--optimizer_type "AdamW8bit"
--mixed_precision "bf16"
--save_model_as "safetensors"
--save_precision "fp16"
--save_every_n_epochs 2
--cache_latents to_disk
--xformers
--lowram




















