GekiDol ゲキドル - LoRA Pivotal Tuning || Airi / Seria / Izumi / Doll / Akira / Manami / Mayuri / Kazeharu / Tomoko / Kaworu / ...
詳細
ファイルをダウンロード
モデル説明
このモデルは埋め込み（embeddings）とLoRAの両方を同時に使用する場合にのみ利用可能です。したがって、「トレーニングデータ」としてマークした埋め込みもダウンロードする必要があります。
LoRAのみを使用しても効果がありません（CivitaiではLoRAのzipファイルを直接アップロードできないため、WebUIでバンドル形式がサポートされ次第、遅くともアップロードします）。LoRAと埋め込みを両方含むzipファイルは以下からダウンロードできます：https://huggingface.co/alea31415/YuriDiffusion/blob/main/gekidol/gekidol-civitai.zip
このモデルは、https://civitai.com/articles/2494/making-better-loras-with-pivotal-tuningで説明されているピボタルチューニング（pivotal tuning）を使用しています。
データ構築のワークフローは、https://civitai.com/articles/2383/a-99percent-automatized-pipeline-to-construct-character-pack-training-set-from-animeに従っています。
すべての中間チェックポイントとptsファイルは以下で利用可能です：https://huggingface.co/alea31415/YuriDiffusion/tree/main/gekidol
ピボタルチューニングでは、埋め込みとネットワークを同時に学習します。このモデルのzipファイル内には以下のコンテンツが含まれます（ここからダウンロードするzipにはこれ以上LoRAは含まれません）：
LoRAはLoRAフォルダに、ptsは埋め込みフォルダに配置し、txtファイルはhttps://github.com/adieyal/sd-dynamic-promptsおよびhttps://github.com/DominikDoom/a1111-sd-webui-tagcompleteと組み合わせて、プロンプト作成を簡単に行えます。
これは一時的な解決策です。バンドルシステムが導入されれば、ピボタルチューニングで得られた結果の利用がはるかに簡単になります。詳細はhttps://github.com/AUTOMATIC1111/stable-diffusion-webui/pull/13568をご覧ください。
モデルについて
正直、このモデルを使う人はそれほど期待していません。
「Gekidol」は非常にマイナーなアニメですが、良い作品だと思います（まあ…そう思います）。この機会に少し宣伝しようと思います。
このモデルはhttps://huggingface.co/Crosstyan/BPModelでトレーニングされています。通常、これにより人気のあるモデルでは性能が低下しがちですが、ピボタルチューニングのおかげでここではその影響が抑えられています。BPModelには、それが何に使われるかを知っている人にとってはメリットがあります 😉。（そして、私の普段のやり方通り、他のLoRAを追加で使用したり、上にマージすることも可能です。）
上記のように、現在のエコシステムはこのような設定に十分対応していません。
もしこのモデルを使いたい場合、以下の重要な関連要素を覚えておいてください：
Seria：黄色のヘアバンド
Mayuri：ヘアバンド
Manami：メガネ
Izumi：ヘアスクニッチ（そしていつも通り、モデルは左右を判別できません）
バンドルシステムが導入され、HCP-DiffusionでLyCORISがサポートされたら、完全にピボタルチューニングに移行する予定です。ご覧の通り、このモデルは非常に強いアニメスタイルを持っていますが、これはここではLoRAではなくLoHaを使用していないことに関係しています。