Lab Index

공지

쇼케이스 리믹스를 수행할 때, 다음 사항을 꼭 확인하세요:

베이스 모델: WAI-NSFW-illustrious-SDXL
베이스 모델 버전: v11? 또는 v12?
LoRA: 하나만 남기고, 강도를 0.7~0.9(아마도 0.8?)로 설정하세요

WAI 베이스 모델의 현재 생성 버전인 v11과 호환되도록 하기 위함입니다.

Civit 사이트 생성 시, 'WAI v11 ...' 전용 라벨 LoRA를 사용하세요

소개 (介绍)

이 시리즈의 LoRa 실험은 다양한 학습 방식으로 학습된 LoRa의 효과와 차이점을 비교하는 것을 목표로 합니다.

기대를 너무 높게 가지지 마세요. 반대로, 관심이 있다면 첨부된 데이터셋을 다운로드하여 직접 시도해 보세요. 아래 파라미터를 사용하면, 24장의 이미지 학습을 제외하고, 학습은 매우 쉽고 빠릅니다.

아래는 LoRa Lab의 모든 시도 내역입니다(최신 순으로 정렬).

본 시리즈의 LoRa는 다양한 학습 방식으로 학습된 LoRa의 효과와 차이를 비교하는 것을 목적으로 합니다.

기대를 너무 높게 가지지 마세요. 반대로, 관심이 있다면 첨부된 데이터셋을 다운로드하여 직접 시도해 보세요. 아래 파라미터를 사용하면, 24장의 학습을 제외하고 나머지 학습은 시간과 비용이 매우 낮습니다.

자료는 어떻게 구성되어 있나요? (本系列的资源如何整理?)

전체 구조를 더 명확히 하기 위해, 이 LoRa 실험 시리즈와 관련된 내용을 다음과 같은 형식으로 정리할 예정입니다. 여러분께 도움이 되길 바랍니다 😉

첫 번째 테스트 세트를 제외하고, 각각의 단일 LoRa 학습은 별도의 Civit LoRa 모델로 배포되지 않습니다. 이들은 테스트 세트 하위에 통합됩니다.

전체 구조를 더 명확히 하기 위해, 이후에는 다음과 같은 형식으로 본 시리즈 LoRa 실험 관련 내용을 정리할 예정입니다. 여러분께 도움이 되길 바랍니다 😉

처음 테스트 세트를 제외하고, 이후의 각 단일 실험은 독립적인 Civit LoRa 모델로 만들지 않고, 특정 테스트 세트 LoRa 모델 아래에 통합됩니다.

아래는 지금까지 진행된 모든 테스트 세트입니다(최신 순). 특정 테스트 세트에 관심이 있다면, 해당 페이지에서 학습 과정에서의 발견, 데이터셋, 정규 이미지, 학습 로그(tensorboard)를 확인하세요.

아래는 지금까지 진행된 모든 LoRa Lab 시도입니다(역순). 특정 테스트 세트에 관심이 있다면, 해당 페이지에서 학습 과정에서의 발견, 관련 데이터셋, 정규 이미지, 학습 로그(tensorboard)를 확인하세요.

Lab @7 - ckpt 모델에 대한 태그 벤치마킹 도구

링크: /model/1437262/lab-7-sex-position-posture-gesture-tags-benchmark-html-page

Lab @6 - 노인 소녀 (캐릭터?)

링크: /model/1402838?modelVersionId=1585736

Lab @5 - 들어올려서 보여줘 (컨셉)

링크: /model/1374843/lora-lab-5-concept-bdsm-skirt-lifting

Lab @4 - 이미지 수를 줄여도 효과가 있을까?

링크: /model/1372924

목표: @3에서 보듯, 트리거 토큰과 태그된 정규 이미지는 효과가 있었습니다. 그렇다면 데이터셋을 줄여도 효과가 있을까요?

#1 : 8장; 나쁜 정규 이미지(하체 이미지 포함, 그러나 태그됨); 트리거 토큰: nsfwish, golden panyhose
- 나쁨 — full body를 프롬프트해도 하체 이미지가 나오는 경향이 있음
#2 : 8장; 더 나은 정규 이미지(태그됨; 그러나 일부 이상한 비여성 정규 이미지 — 1girl, 1boy 포함)
- 괜찮음 — 복잡한 프롬프트에서는 일부 논리적 구성이 손실될 수 있음
#3 : 12장; 더 나은 정규 이미지(태그됨; 그러나 일부 이상한 비여성 정규 이미지 — 1girl, 1boy 포함)
- 괜찮음, #2보다 나음 — 그러나 복잡한 프롬프트에서는 여전히 일부 논리적 구성이 손실될 수 있음
#4 : WAI v11에서! 12장; 전체 신체 정규 이미지만(태그됨);
- #3보다 나음 — 단, WAI v11에서만 "검은 반투명 팬티홀스가 보이는" 문제가 있음
#5 : 다시 WAI v12로! 12장; 전체 신체 정규 이미지만(태그됨);
- 발견:
  - WAI v12에서는 훌륭함! 그러나 WAI v11에서는 그냥 괜찮음
  - 또한, #4는 v11에서는 잘 작동하지만, WAI v12에서는 그냥 괜찮음 (호환성 문제가 있는 듯)
#6 : 12장; 전체 신체 정규 이미지; 트리거 토큰: nsfwish, sheer golden pantyhose
- < 실험 중 >

Lab @4 — 발견

흥미롭게도, 적은 데이터셋도 여전히 유망한 결과를 제공함
- 트리거 토큰과 태그된 적절한 정규 이미지는 확실히 도움이 됨
- 이는 매우 큰 발견입니다. 데이터셋 실험을 전체 데이터셋 없이도 빠르게 진행할 수 있게 됨!
- 그러나 트리거 단어 sheer golden pantyhose는 이미지의 다른 부분(예: 톤, 머리카락, 신발 등)에도 영향을 미치는 것으로 보임
  - 다음에는 색상 중립적인 트리거 토큰을 시도해 볼 것
서로 다른 베이스 모델(v11, v12)에서 학습된 LoRA는 각자의 베이스 모델에서 더 잘 작동함
실제로 WAI v12는 v11보다 더 나음
- v11은 1girl, solo, pantyhose를 프롬프트할 때 여전히 하체를 생성하는 경향이 있음

Lab @3 - 트리거 토큰 및 태그된 정규 이미지 시도

< 업데이트 예정 >

목표: 데이터셋 및 정규 이미지 문제를 해결하고 더 나은 LoRa를 재학습

LoRa Lab @1의 p24 wr 문제를 해결하기 위해 아래 접근법을 순차적으로 시도:

#1 - 정규 이미지에서 모든 하체 이미지 제거 후 학습 (태그 작업 및 일부 데이터셋 이미지 제거를 위해 중간에 중단)
#2 - 모든 하체 정규 이미지 제거; 정규 이미지 태그; 데이터셋에 "2인물" 이미지 5장과 관련 정규 이미지 추가 (품질이 나쁨)
#3 - 여성 이미지만 유지, 그러나 모든 하체 정규 이미지 제거; 정규 이미지 태그 (품질은 괜찮음, 그러나 원하는 효과가 제어되지 않음)
#4 - 여성 이미지만 유지, 그러나 모든 하체 정규 이미지 제거; 정규 이미지 태그; 모든 데이터셋 캡션에 트리거 토큰 sheer golden pantyhose 추가 (품질 향상, 트리거 토큰이 AI 학습에 도움이 됨. 현재 버전은 괜찮음)

결론: 괜찮음, 하지만 개선할 점과 배울 점이 있음

Lab @2 - 병합된 ckpt로 학습 시도

< 업데이트 예정 >

목표: 기존 LoRA를 조정하여 이미지 구성 문제를 해결

다음 접근법으로 기존 LoRA를 조정:

#1 : p24 wr을 WAI v12에 병합; 8장 학습; (품질 나쁨)
#2 : 병합; 8장 학습(3: 1girl, 5: girl-and-boy); 정규 이미지(모두 여성) 태그 없음; (품질 약간 향상, 그러나 여전히 불충분)
#3 : 병합; 8장 학습(3: 1girl, 5: girl-and-boy); 정규 이미지(모두 여성) 자동 태그; (품질 약간 향상, 그러나 여전히 불충분)
#4 : 병합; 8장 학습(3: 1girl, 5: girl-and-boy); 정규 이미지(여성 & girl-and-boy) 자동 태그; (품질 더 향상, 그러나 기대치에 미치지 못함)

결론: 실패

Lab @1 - 다양한 데이터셋 크기 및 정규 이미지 유무 시도

/model/1362442

목표: 더 나은 팬티홀스, 반투명, 성숙한 표현

다음 접근법을 시도하여, 학습된 "nsfw 스타일화 (팬티홀스 & 반투명)" LoRA의 느낌과 차이점을 확인:

1장, 정규화 없음 (p1_wor): /model/1360124
1장, 정규화 있음 (p1_wr): /model/1360141
3장, 정규화 없음 (p3_wor): /model/1360163
3장, 정규화 있음 (p3_wr): /model/1360171
8장, 정규화 없음 (p8_wor): /model/1360183
8장, 정규화 있음 (p8_wr): /model/1360189
24장, 정규화 없음 (p24_wor): /model/1360230
24장, 정규화 있음 (p24_wr): /model/1360268

이번에는 captions을 WD14 Conv v2 태거를 사용해 직접 생성했으며, 추가 또는 삭제 없음

결론: 부분적 성공 — 그리 좋지는 않지만, 데이터셋 준비와 다양한 LoRA 비교를 위한 기반을 마련함