Lab @10 : nude pantyhose, natural pantyhose, with cotton or shiny controlling
详情
下载文件
模型描述
引言
这是继之前的 Lab 1 => 2 => 3 => 4 之后的另一个 LoRA 实验室（在那些实验中，我试图解决“可能变成黑色的连裤袜”问题）。
然而，我这一系列实验的核心问题是：我该如何持续提升特定 LoRA 的质量与效果？
通过从我之前的 LoRA 中提炼经验，目前 lab_10_4 已经勉强可用了（但仍未经全面测试。我会继续测试，但如果你喜欢，也请随意使用并享受）。
使用哪个基础模型？
请记得切换到正确的基础模型
对于 10-04、10-10、10-11：
更新
总体
LoRA 文档（先中文 => 后英文，按需阅读）
LoRA documentation（中文优先 => 英文次之，按需阅读）
250425
上传更新：OK 10_11，BAD 10_10，已修复数据集与正则集
Upload update: OK 10_11, BAD 10_10, fixed dataset & regset
提供训练思路
Provide training ideas
如何使用
简而言之：
使用米色连裤袜
如果感觉缺乏“肤色感”，可尝试添加较弱的 [[黄色连裤袜]]（权重可自行调整）
use
beige pantyhoseand maybe somehow add [[yellow pantyhose]] can make it "a bit naturally nude" ( weight should you try around )
LoRA 权重，感觉 0.5~0.6 差不多就够了
for lora weight, maybe 0.5 ~ 0.6 ( the dataset is to be fixed on next round to make the color more natural )
使用透明金色连裤袜，而非单独使用“金色连裤袜”（金色连裤袜的训练图片质量不佳，颜色过于发黄且不自然，从基准测试中也可以看出）
sheer golden pantyhose可能适用，但切勿单独使用golden pantyhose！（效果太强，我发现数据集不够好……从基准测试或上传的数据集也能看出）
优化与发现
首先，展示一下 04 => 10 => 11 的基准测试对比之一。
首先，看看从 04 到 10 再到 11 的改进。
- 04：随着权重提升，图像结构发生显著变化，许多缺陷变得明显
- 10：基本结构尚可……但糟糕的正则集仍破坏了图像
- 11：如图所示，尽管颜色变得奇怪（因数据集颜色问题），但图像保持稳定，极少出现无意义的错误
下面列出本次 LoRA 训练的改进方法，供有志于训练 LoRA 的人参考。
1) （非常重要）图像质量问题可能隐藏在细节中
以下是两个对比示例：
- 示例 1：仔细观察整体及左侧（有问题）衣物像素的抖动
- 示例 2：放大连裤袜区域后，左侧（有问题）的颜色梯度变化
可以看出，整体画面似乎无大问题，但因为我为了提升图像质量（见下文 2）），此前的做法是：
先生成原始图像
再使用 img2img 和 adetailer 放大 1.5 倍
再用程序缩小回训练尺寸 <=== 这一步出了问题
在检查图像质量时，我没有放大到像素级别，否则我会看到大量噪点和颜色抖动。
人类无法察觉，但 SD 模型能充分感知这些细节。
我还将三次的对比实验结果列示如下：
10_11：修复了数据集与正则集
10_10：仅修复了数据集，正则集错误
10_04：数据集与正则集均错误
你可以看到，10_04 在权重提升时，图像构图发生剧烈变化，而这种变化毫无意义……
如果你恰好也使用程序（基于 nodejs sharp 依赖）处理 PNG，可参考以下代码：
const sharpInstance = sharp(inputPath)
.resize(
width,
height,
{kernel: sharp.kernel.lanczos3}
)
.png({
quality: 100,
// 0~9 均为无损压缩，9 更好
compressionLevel: 9,
// @note. ****** 非常非常重要 ******
palette: false
});
2) 图像质量的一个技巧处理
虽然 2) 是导致 1) 问题的原因，但我仍推荐这种方法：
最初我获取用于正则集的图像时，直接使用训练尺寸生成一批图像，然后从中挑选。
但后来发现，先进行 highres fix，或使用 img2img 放大，能显著提升图像的宏观质量，尤其是在人物较小的情况下，如下图所示（左侧为未经放大再缩小的）：
因此，此处理流程为：
首先根据提示词生成大量图像，再挑选出合理且符合预期的图像
使用 img2img 和 adetailer 放大
再缩小至训练尺寸
3) 正则集的管理
正则集的收集和数据集一样耗时，且单次训练中，其数量需求更大，可能花费更多时间。
但好消息是：大多数高质量的正则集可在不同训练中重复使用 🤩；可惜坏消息是，为了实现这种复用，管理它们也相当繁琐 😂。
经验证发现：
（至少在 macOS 和 Linux 环境下）使用软链接方式，图片等资源仍能被训练脚本正常作为资源文件使用。
因此推荐以下方法：
准备一个文件夹（结构大致如下）：
my_reg_set/
all_images/
1girl/ ...（可能几百张图片，png + captions，甚至有 npz 文件，似乎是 latent cache？？）...
1boy/ ...
train_plans/
reg-my-tran-1/
1_1girl/ ...
1_1boy/ ...
让 AI 编写一个脚本，接受类似参数：“train:new-test, reg:1girl=200,1boy=100,...”
此脚本可自动创建 reg-new-test，并从指定分类中挑选指定数量的图片，创建软链接至该 reg-new-test 文件夹
还可追加处理逻辑：当所需正则图片多于某个分类当前库存时，自动处理成如下效果：
例如，1girl=100，但当前库存仅为 24，最终将得到：
4_1girl_full/ ...
1_1girl_rest/ ...（最后 4 张额外图片）
上述流程会让你感觉更舒适。
==== 之前文档 ====
如何使用
触发词是什么？（为更好理解）
在我的数据集（也将公开）中，我使用了以下触发词：
// 用于控制颜色
golden pantyhose // 更偏黄调
- 请注意，golden pantyhose 风格上**“太强烈”**
beige pantyhose
// 用于控制光泽度
cotton pantyhose
shiny pantyhose
实际效果如何？（我将在测试 LoRA 时持续更新）
注意：数据集主要描绘“紧身裤袜”，且偏向 NSFW
- 因此，如果你发现“破损”或“透视”效果不合适，可明确在负向提示词（或正向提示词，如果你想要）中指定
注意：我发现权重 0.6 ~ 0.8 更好，权重过高时，LoRA 会从数据集中引入更多无关细节（有时毫无意义）
v3
- 最接近我预期的“裸色连裤袜”效果（可能？）
pos : sheer pantyhose,[yellow pantyhose], beige pantyhose,shiny pantyhose,
neg : torn,[golden pantyhose],
v2
pos: beige pantyhose, cotton pantyhose,
v1
pos: golden pantyhose, shiny pantyhose, sheer pantyhose,
neg: (oily pantyhose),
你可以在正向/负向提示词中尝试哪些标签？
beige pantyhose,
cotton pantyhose,
shiny pantyhose,
oily pantyhose, // 主要放负向，否则过于油亮
golden pantyhose, // 有时你也可以考虑放入负向
< 待续 >