Anime Pose + Camera Solidifier

이것은 원래의 AI 생성된 Simulacrum 데이터셋으로 학습된 간단한 1k 이미지 LoRA입니다.

이 이미지들은 이전의 일부 LoRA에서 부분적으로 공개되었습니다.

이 이미지들은 거의 완전히 인형의 부품과 신체 부위의 조각들로 구성되어 있으며, 각각은 카메라 각도, 단순한 색상, 평면적인 스타일, 그리고 매우 단순한 태깅을 위해 특별히 수작업으로 제작되었습니다.

이러한 이미지들은 PDXL 자폐증을 수정하기 위해 만들어졌으며, Simulacrum V4 Epsilon의 대규모 학습을 수정하는 데 매우 적합합니다. 이는 CivitAI가 epsilon 학습을 가능하게 해주기 때문입니다.

SDXL - SIMV4 손이 잘 보이도록 전력을 낮추세요. 이 손들은 꽤 좋지만, 이 데이터셋의 손들은 그렇지 않습니다.

다음과 같은 각도 태그를 결합하세요;

측면에서, 뒤에서, 측면 시점;

이렇게 하면 상반신은 측면에서, 하반신은 약간 뒤로 꺾인 채, 카메라의 시점이 측면에 고정된 이미지가 생성됩니다.

이제, 완벽하지는 않지만 잠재력은 충분히 많습니다.

당신이 직접 수천 장의 이미지를 생성하고 수동으로 태깅해보세요. 정말 귀찮은 작업입니다.

태그에 속지 마세요. 모든 것은 각도에 기반하며, 이러한 태그는 원래 자폐증 학습을 해소하기 위한 목적으로 설계되었습니다.

SimV4는 무엇이든 가능하므로, 단순히 “안전”이라고만 말해도 됩니다. 이들은 인형이며 해부학적으로 정확하지 않습니다. 손은 잘못되었고, 고해상도 아트에 효과적이지 않습니다. 그러나 그들은 컨트롤러 측면에서 절대적인 기준을 제공합니다.

각 포즈는 특정 각도와 스타일에 맞춰 구성되었기 때문에, 이 학습은 SimV4의 포즈 제어에 상당한 손상을 초래할 수 있습니다.

이 빈 모델 인형들은 원래 Simulacrum의 미세 조정 최종 단계의 기반입니다. 그러나 모델의 초기 학습 단계에서 이들을 가르치는 것은 그렇게 좋은 아이디어가 아니었습니다.

그 때문에 저는 Controlnet 인형으로 전환하게 되었고, 이는 또 다른 이야기입니다.

이 LoRA는 원본 이미지에 대해 하루 밤 동안 특별히 학습되었습니다. 이를 통해 많은 이미지가 잘 드러날 수 있습니다.

---

몇 일 안에 저는 전체 SimV4 기본 데이터셋을 학습할 예정입니다. 이 데이터셋은 약 2,500장의 이미지로 구성되어 있으며, 포즈 제어와 카메라 각도에 특화되어 있습니다. 따라서 이 데이터셋과 크게 다르지 않을 것입니다. 단지 현실적이고 3D 이미지에 더 잘 적응할 뿐입니다. 이 데이터셋은 3D에 어느 정도 잘 작동하지만, 이전 데이터에서 발생한 교차 오염이 존재합니다. 저는 이 오염된 데이터를 데이터셋에서 제거하지 않았는데, 필터링 작업이 매우 번거롭고 제 하루에 그런 시간을 할애할 여유가 없기 때문입니다.