在600张独特图像（镜像后达1200张）上训练的超网络，重点关注人脸（肖像）。低分辨率图像已被放大，所有图像均拉伸为512×512大小，标签由“WD1.4 tagger”自动标签扩展工具完成。
建议的负面标签：作者姓名、签名。
较低的CFG值（2.5-5.0）似乎能更稳定地生成结果，建议进行详细标注。超网络强度甚至可低至0.3，仍可复现该风格。
模型：AnythingV3
超网络结构：1, 2, 2, 1
无丢弃，无归一化
学习率与步数：前13,000步使用5e-6（聚焦人脸），后37,000步使用1e-5（涵盖多种姿势、多主体等多样性）。
