【Character】宇沢レイサ | uzawa reisa (Blue Archive)

학습 핵심 파라미터:

사전 손실 가중치(prior_loss_weight) = 1

해상도(resolution) = "832,832", 배치 크기(batch_size) = 3

unet_lr = 1, text_encoder_lr = 1, lr_scheduler = "cosine_with_restarts",

옵티마이저(optimizer_type) = "Prodigy", d_coef=2

최소 신호 대 잡음비 감마(min_snr_gamma) = 3

network_dim = 64, network_alpha = 32

최대 정규화 노름(scale_weight_norms) = 1

계층별 학습률 가중치 설정:

다운 컨볼루션 계층(down_lr_weight) = "1,1,1,1,1,1,1,1,1,1,1,1",

미들 계층(mid_lr_weight) = "1"

업 컨볼루션 계층(up_lr_weight) = "1,1,1,1,1,1,1,1,0,0,0,0"

제로 임계값(block_lr_zero_threshold) = "0.1"

총 학습 이미지 124장, 12개 에포크, 총 2976스탭

Anything V5, AbyssOrangeMix, CreationMix, GhostMix, DiaMix, QteaMix, DonutHoleMix, CounterfeitV30, CuteYukiMix, DreamShaper에서 테스트했습니다. 이 중 Counterfeit, CreationMix, DiaMix, DonutHoleMix는 vae-ft-mse-840000-ema-pruned를 사용했습니다. 각 샘플 이미지가 어떤 베이스 모델에 해당하는지 추측해 보세요.

일부 프롬프트는 모델마다 과적합 또는 과소적합 현상이 발생합니다. 예를 들어, 원작 캐릭터를 생성할 때 Anything 모델에서는 고양이 귀가 추가로 나옵니다. 프롬프트가 적은 경우, 여러 모델에서 프롬프트에 포함되지 않은 백팩이 나타났습니다.

이 프로젝트는 실험적 성격을 띠며, 현재 일반화 성능은 정상 수준이므로, 학습 데이터의 태그를 단순화하는 작업(방대한 작업량 필요)을 고려하지 않고 있습니다.

권장 프롬프트:

① 인물: “1girl,solo,uzawa reisa,low twintails”

② 교복: “school uniform,sneakers,backpack,serafuku,neckerchief,jacket,striped socks,pleated skirt,white sailor collar”

좋아하셨다면 좋은 평가 부탁드립니다!