SagaXL-ZtnV
详情
下载文件
模型描述
SagaXL サガシリーズ (ZtnV) 试用模型群
释放 Sagacity、Wisdom、Lusty……！ RR002 以后已调整为 Emo 系风格
以 SDXL 原生模型（标准）为基础，使用 ZtSNR（非 V-pred）进行训练，并扩展色域、调整色调，随后将此 XLBB（XL-Base-typeB）迁移学习为 SDXL（标准）模型，命名为 XLBBP。
ZtnV 意为 ZtSNR 且为 non V-pred，能够实现纯净色彩表现，色彩与色域表现优异，多臂多腿等影响仍轻微残留。
推荐设置已列于本说明末尾，请参考 CFG、分辨率等设定。亦可参考样本图像的参数值。
SagaXL-RR004 fix 是修正 RR003 emx 的模型，
以 RR003 为基础，使用自主研发的优化器群（Emo 系 EmoFact(v3.0)）进行 LoRA 微调，并通过极低值 AKN（avg_key_norm）与高学习率（LR）实现“自我修复”，故在模型名称中加入 “fix”。
使用极低值 AKN 与高学习率的“自我修复”是 Emo 系独有的特殊机制，尤其 Emo 系 fact 式（fact、zeal 等）擅长的新型学习方法。简单来说，即在参考训练数据的前提下，以最小的学习量修复文本编码器等组件，使局部最优逼近全局最优，增强泛化性与多样性。
这种机制可挖掘并激活模型中被埋没的特征与质感。本模型已实施此优化（修复学习）。
SagaXL-RR003 emx 为◆ 失败作品 ◆💦 即将删除
以 R001 为基础，使用自主研发优化器群（Emo 系 EmoLynx(v3.0)）进行 LoRA 微调，并在模型名称中添加 “emx”。
实现了更写实化的效果，亦为 EmoLynx 精细化测试的一部分。明暗等部分的真实感有所提升，但仍希望进一步增强真实感。本次最终调整所用的 3e-5、3000 step 学习率可能更新偏硬，下次将尝试更柔和的更新方式。
SagaXL-RR002 enx 是，
以 R002 为基础，使用自主研发的优化器群（EmoSENS 系）进行 LoRA 微调，并在模型名称中加入 “enx”。我认为这是充分体现 SDXL 潜力的成果。所用优化器包含 Emo 系（第二代）全部类型、emosens、airy、cats，并已应用 Kohya-script 的 ZtSNR。
SagaXL-RR002 是，
以 R001 为基础，使用自主研发的优化器群（EmoNAVI 系）进行 LoRA 微调，并在模型名称中添加 “emx”。本次更新后，模型调整已基本完成。
SagaXL-RR001 是，
将 BeppinXL 与 BejeanXL 以约 0.03125 的比例混合，以此为基础，使用原创代码群（muooonKit）进行自监督强化学习的自我进化。核心技术为自主研发的优化器（Ref-AdamW-mini-ScheduleFree），其他部分则使用基于 SVD 应用的间歇性 LoRA 作用代码及核心代码进行模型训练。已通过 Hako-mikan 的 TrainTrain 引入 Ref-AdamW-mini、SVD 应用的间歇作用与介入代码，并验证了其效果。同时亦使用其他代码强化基础模型。
BeppinDX (alpha) 是，
以不同于 BejeanXL 的新型 XLBB-Plus 系（衍生）为基础的模型。使用原创代码构建的 SVD 系 XLBBP 模型，并应用了类自强化学习等技术。
BejeanXL (beta) 是，
将所有模型共用的 SDXL（标准）模型替换为 XLBBP，从底层改善色域与色调，提升真实感与精细度。是以 XLBBP 为基底的模型。
此外，对 2000 张图像进行了简单的 FFT 处理，并对这一新版 BejeanXL 应用了混合训练 LoRA，使其同时学习动画图像与真实图像。
推荐设置（Recommended setting）：
CFG scale：3–7，推荐使用 SDE SGMUniform（因 ZtSNR / NonVpred）
（reForge 可选：Sampler：RES Solver，Schedule：React Cosinusoidal DynSF）
分辨率：建议 1024x1024 以上，RR002 及以后版本建议禁用 mahiro-CFG
SagaXL 为试用模型，请勿用于商业或非法用途。
由于使用了原创代码的实验性要素，可能存在潜在问题。
如发生任何异常或问题，请立即停止使用并删除模型。