모델 소개 (한국어)

0 머리말

전통적인 AI 그림 그리기에서 반복되는 얼굴, 자세, 스타일에 지쳐서, 혼합 모델을 벗어나고 싶어졌습니다. 처음에는 프롬프트를 사용해봤지만, 원하는 미묘한 라인, 색상, 조명, 질감, 구성이나 스토리텔링을 얻지 못했습니다. 모델이 우연히 만들어낸 놀라운 스타일을 재현하는 것도 어려웠습니다. 이러한 순간은 일반적인 스타일과 미묘한 차이만 있을 뿐이지만, 미적으로 매력적인 순간이었습니다. 그래서 예술 스타일을 완벽하게 학습하고 일관된 출력을 할 수 있는 모델을 만들고 싶었고, 2022년 11월부터 다양한 소재를 수집해 스타일화 모델을 훈련시키기 시작했습니다. 미묘한 차이만 있는 소재들을 구분하기 위해 특수 태그를 사용해 2023년 초에 AIDv1.0 모델이라는 독자적인 스타일을 갖추게 되었습니다.

왜 LoRA 대신 미세조정을 선택했을까? 저는 항상 미세조정의 효과가 LoRA보다 뛰어나다고 생각합니다. 기초 모델에 의존하지 않으며, 모든 훈련 이미지가 오차가 최소가 되는 지점으로 함께 진화합니다. 추가 가중치를 최적화하는 것이 아니라, 전체적으로 최적화합니다. 하지만 동시에 특정 스타일을 큰 모델에 완벽하게 통합해 훈련 부담을 줄이는 방법을 탐구하고 있습니다.

그 후 6개월 동안 제가 2만 원 이상을 자금을 투입해 직접 그림을 자르고 태깅했으며, 스크립트도 개조했습니다. 훈련 스텝 수는 수천, 수만, 수백만 단계로 늘어났고, 훈련 장비는 RTX3060, RTX3090에서 A100으로 진화했습니다. 소재 제작부터 훈련에 이르기까지, AID는 점차 완성도 높은 공학적 프로젝트로 성장했습니다.

이 과정에서 모델이 원본 이미지의 노이즈에 약간의 과적합(overfitting)이 일어날 때 가장 좋은 스타일 학습이 가능하다는 사실을 발견했습니다. 저는 모든 스타일에 과적합을 시도했고, 다양한 스타일 간의 학습 진행을 균형 있게 하기 위해 부정적 임베딩(negative embedding)을 통해 과적합된 노이즈를 학습시켰습니다. 이 정규화 방식을 통해 좋은 결과를 얻었고, 적절하게 튜닝된 부정적 임베딩은 기초 모델의 스타일을 해치지 않으면서도 스타일의 특징을 강화합니다.

모델 반복 개선 과정 속에서 저는 SD1.5의 한계에 도달했다고 생각합니다. 적절한 미세조정조차도 정교한 일러스트 스타일의 독특한 라인, 색상, 조명, 구성, 스토리텔링을 잘 학습해 모방하기 어려웠습니다. 과소적합에서 과적합까지 시도해 봤지만, 완벽한 스타일 특징을 얻지 못했으며, 동시에 100개 이상의 예술 스타일을 최적화해야 했습니다.

이에 따라 더 복잡한 SDXL 모델이 새로운 돌파구를 가져와 줄 것을 기대하고 있습니다.

모델 훈련 중 저는 수많은 프롬프트를 작성하거나 다양한 스타일을 섞는 데에 많은 시간을 들이지 않았습니다. 어떤 분들은 LoRA와 매우 복잡한 프롬프트를 조합해 놀라운 결과를 얻었고, 그 창의성과 열정에 깊이 감사드립니다.

마지막으로, 이 글을 한글로 번역해 주신 @BananaCat님께 감사드립니다. 저는 전 세계 SD 애호가들과 성과를 공유하고 교류하는 것을 기대합니다. AID 모델은 전적으로 전문적 관심에서 나왔으며, 자료 처리와 모델 훈련의 공학적 세부 사항에 관심이 있거나 자신의 훈련 방식을 공유하고 싶으신 분은 댓글에 남겨주세요. 신속히 답글을 드리겠습니다.

I 소개

AnimeIllustDiffusion (AID)는 사전 훈련된, 상업용이 아닌 다중 스타일의 애니메이션 일러스트 모델입니다. **"AI 얼굴"을 생성하지 않습니다. 뚜렷한 **스타일을 생성하기 위해 특수 트리거어(보기 참조 A)를 사용할 수 있습니다. **내부적으로 수많은 콘텐츠를 포함하고 있어, AID는 강력한 부정적 프롬프트가 필요합니다. 일반적인 부정적 프롬프트(예: 낮은 품질, 잘못된 해부학 등)는 효과가 제한적이므로, 생성된 이미지에 노이즈가 나타나면 제가 제공하는 부정적 텍스트 임베딩 [1]를 함께 사용해 노이즈를 제거해야 합니다. 버전 별 전용 부정적 텍스트 임베딩에 대해서는 버전 정보를 확인하세요. 또한, 색상이 선명하고 일러스트 스타일에 특히 적합한 sd-vae-ft-mse-original [5] VAE를 추천합니다. 제 II부에서는 AID V1.0의 제작 과정을 간략히 소개하고, 제 III부에서는 부정적 텍스트 임베딩을 설명하며, 부록 A에서는 완전한 키워드 리스트를 제공합니다.

다운로드 전 반드시 해당 버전의 버전 정보를 꼭 확인하세요!

AID 모델은 200가지 이상의 안정된 애니메이션 일러스트 스타일 및 100명의 애니메이션 캐릭터를 보유하고 있습니다. 스타일 생성에 필요한 특수 프롬프트는 부록 A 참조. 캐릭터 생성은 캐릭터 이름만 입력하면 됩니다. AID 모델은 색조판과 같은 것으로, 프롬프트를 임의로 조합해 새로운 스타일을 창조할 수 있습니다.

1 추천 설정

샘플러: Euler a

스텝 수: 40

해상도: 512x768, 640x960, 768x1152 등

CLIP 스킵: 1

프롬프트 형식: best quality, masterpiece, highres, by {xxx}, best lighting and shadow, stunning color, radiant tones, ultra-detailed, amazing illustration, an extremely delicate and beautiful, {다른 프롬프트}

부정적 프롬프트 형식: aid210, {다른 부정적 프롬프트}

• ※ 여기서 {xxx}는 스타일 이름이며, aid210은 모델 전용 부정적 텍스트 임베딩입니다. [1]에서 다운로드하여 사용법을 익히세요.

2 버전 비교

각 버전의 AID는 장단점이 있으며, 항상 최신 버전이 최고는 아닙니다.

• 초보자에게 적합: v2.8, v2.91 - Weak, v2.10beta1

• 뛰어난 창의성: v2.6, v2.7, v2.91 - Weak, v2.91 - Strong

• 비교적 안정적: v2.5, v2.6, v2.8, v2.91 - Weak

• 다양한 스타일: v2.91 - Weak, v2.91 - Strong, v2.10beta1

II 모델

이 모델은 3개의 서로 다른 모델을 융합해서 만들었으며, 그 중 2개는 제가 훈련했고, 나머지 하나는 GoldSun이 융합한 Pretty 2.5D 모델 [2]입니다.

1 모델 훈련

훈련 데이터로 4300장 이상의 인간이 재단하고 태그한 512x512 크기의 2D 애니메이션 일러스트 이미지를 사용해, Naifu 7G 대규모 모델을 DreamBooth를 사용해 미세조정했습니다. 각 데이터셋 이미지당 높은 학습률로 100 에포크 동안 훈련했습니다. 정규화 이미지를 사용하지 않았으며, 텍스트 인코더도 함께 훈련했습니다. 관심 있다면 [3]에서 자세한 설정을 확인할 수 있습니다.

2 모델 융합

Merge Block Weighted 확장 기능을 사용해 3개의 모델을 융합했습니다. 세 모델 중 하나는 스타일과 텍스트 인코더를 제공하며(베이스 알파, 모든 OUT 레이어), 하나는 손 디테일을 최적화하는 데 사용(ING 00 - 05), 나머지 하나는 구성과 더 잘 어울리는 처럼 제공(ING 06 - 11 및 M 레이어)한 Pretty 2.5D 모델을 사용했습니다.

III 부정적 텍스트 임베딩

이 모델은 neatv3라는 부정적 프롬프트에 대한 텍스트 임베딩 파일을 추천합니다. 이는 프롬프트 작성의 단순화뿐만 아니라, 모델의 잠재력을 자극하고 이미지 품질을 향상시킵니다. 일반적으로 네트v3의 효과는 충분하며, 추가로 품질 관련 프롬프트를 입력할 필요는 없습니다. 하지만 전체 문제를 해결하지는 못합니다.

1 사용 방법

다운로드한 부정적 텍스트 임베딩 파일, 즉 badv3.pt를 스튜디오 디퓨전 디렉토리에 위치한 embeddings 폴더에 넣으세요. 이후 부정적 프롬프트 필드에 badv3을 입력하면 됩니다.

2 제작 아이디어

나는 나쁜 이미지의 개념을 학습하고, 이를 부정적 프롬프트에 넣어 불량 이미지를 생성하지 않도록 하려고 했습니다. 나는 모델이 생성한 수백 장의 나쁜 이미지를 사용해 부정적 텍스트 임베딩인 badv3를 학습했습니다. 이는 EasyNegative [4]와 유사한 원리입니다. 기존의 부정적 임베딩이 모델 스타일에 미치는 영향을 줄이기 위해 과적합(fitting) 상태로 학습시켜 보았고, 이 방법이 효과 있는 것처럼 보입니다.

EasyNegative과 비교해, badv3는 본 모델에서 더 나은 효과를 보였습니다. 다른 부정적 텍스트 임베딩은 아직 비교하지 않았습니다. badv3는 deformityv6 이후에 제작한 n번째 부정적 텍스트 임베딩입니다. 제작은 매우 쉽지만 결과는 무작위적입니다. 나쁜 이미지로 훈련된 다른 모델의 가중값을 제거하기 위해 차분(차이)을 추가해 보았으나, 현재로선 유망한 결과를 얻지 못했습니다. 다음에는 부정적 텍스트 임베딩 대신 부정적 LoRA를 훈련해 모델 내에서 가중값을 직접 "제거"하는 방식을 고려 중입니다.

IV 고지

이 모델은 다중 스타일 모델 훈련을 테스트하기 위한 것이며, 상업적 활용이나 이익과 무관하며 모두 개인의 관심에서 비롯되었습니다. 만약 침해가 발생하면 즉시 삭제됩니다.

모든 커버 이미지는 LoRA를 사용하지 않고 텍스트 기반 생성되었으며, 부정적 프롬프트에서 [1]의 부정적 텍스트 임베딩이 사용되었습니다.

사용자는 이 모델을 이미지 생성에만 사용할 수 있으며, 사전 협의 없이 재배포하는 것은 금지됩니다.

모델을 모든 상업적 용도로 사용하는 것은 엄격히 금지됩니다.

부록 A의 샘플 이미지는 본 모델의 특수 프롬프트용 대분류 프롬프트 참고용이며, 반드시 지정된 프롬프트만 사용해야 하는 것은 아닙니다.

이 모델을 사용해 폭력적이거나 잔인한, 성적 콘텐츠를 포함하는 위법한 이미지나 저작권 침해 콘텐츠를 생성하지 마세요! 따라서 부록 A에서는 훈련된 일부 키워드만 제공됩니다.

모델 소개 (영어)

0 머리말

전통적인 AI 그림 그리기에서 반복되는 얼굴, 자세, 스타일에 지쳐서, 혼합 모델을 벗어나고 싶어졌습니다. 처음에는 프롬프트를 사용해봤지만, 원하는 미묘한 라인, 색상, 조명, 질감, 구성이나 스토리텔링을 얻지 못했습니다. 모델이 우연히 만들어낸 놀라운 스타일을 재현하는 것도 어려웠습니다. 이러한 순간은 일반적인 스타일과 미묘한 차이만 있을 뿐이지만, 미적으로 매력적인 순간이었습니다. 그래서 예술 스타일을 완벽하게 학습하고 일관된 출력을 할 수 있는 모델을 만들고 싶었고, 2022년 11월부터 다양한 소재를 수집해 스타일화 모델을 훈련시키기 시작했습니다. 미묘한 차이만 있는 소재들을 구분하기 위해 특수 태그를 사용해 2023년 초에 AIDv1.0 모델이라는 독자적인 스타일을 갖추게 되었습니다.

왜 LoRA 대신 미세조정을 선택했을까? 저는 항상 미세조정의 효과가 LoRA보다 뛰어나다고 생각합니다. 기초 모델에 의존하지 않으며, 모든 훈련 이미지가 오차가 최소가 되는 지점으로 함께 진화합니다. 추가 가중치를 최적화하는 것이 아니라, 전체적으로 최적화합니다. 하지만 동시에 특정 스타일을 큰 모델에 완벽하게 통합해 훈련 부담을 줄이는 방법을 탐구하고 있습니다.

그 후 6개월 동안 제가 2만 원 이상을 자금을 투입해 직접 그림을 자르고 태깅했으며, 스크립트도 개조했습니다. 훈련 스텝 수는 수천, 수만, 수백만 단계로 늘어났고, 훈련 장비는 RTX3060, RTX3090에서 A100으로 진화했습니다. 소재 제작부터 훈련에 이르기까지, AID는 점차 완성도 높은 공학적 프로젝트로 성장했습니다.

이 과정에서 모델이 원본 이미지의 노이즈에 약간의 과적합(overfitting)이 일어날 때 가장 좋은 스타일 학습이 가능하다는 사실을 발견했습니다. 저는 모든 스타일에 과적합을 시도했고, 다양한 스타일 간의 학습 진행을 균형 있게 하기 위해 부정적 임베딩(negative embedding)을 통해 과적합된 노이즈를 학습시켰습니다. 이 정규화 방식을 통해 좋은 결과를 얻었고, 적절하게 튜닝된 부정적 임베딩은 기초 모델의 스타일을 해치지 않으면서도 스타일의 특징을 강화합니다.

모델 반복 개선 과정 속에서 저는 SD1.5의 한계에 도달했다고 생각합니다. 적절한 미세조정조차도 정교한 일러스트 스타일의 독특한 라인, 색상, 조명, 구성, 스토리텔링을 잘 학습해 모방하기 어려웠습니다. 과소적합에서 과적합까지 시도해 봤지만, 완벽한 스타일 특징을 얻지 못했으며, 동시에 100개 이상의 예술 스타일을 최적화해야 했습니다.

이에 따라 더 복잡한 SDXL 모델이 새로운 돌파구를 가져와 줄 것을 기대하고 있습니다.

모델 훈련 중 저는 수많은 프롬프트를 작성하거나 다양한 스타일을 섞는 데에 많은 시간을 들이지 않았습니다. 어떤 분들은 LoRA와 매우 복잡한 프롬프트를 조합해 놀라운 결과를 얻었고, 그 창의성과 열정에 깊이 감사드립니다.

마지막으로, 이 글을 한글로 번역해 주신 @BananaCat님께 감사드립니다. 저는 전 세계 SD 애호가들과 성과를 공유하고 교류하는 것을 기대합니다. AID 모델은 전적으로 전문적 관심에서 나왔으며, 자료 처리와 모델 훈련의 공학적 세부 사항에 관심이 있거나 자신의 훈련 방식을 공유하고 싶으신 분은 댓글에 남겨주세요. 신속히 답글을 드리겠습니다.

I 소개

AnimeIllustDiffusion (AID)는 사전 훈련된, 상업용이 아닌 다중 스타일의 애니메이션 일러스트 모델입니다. **"AI 얼굴"을 생성하지 않습니다. 뚜렷한 **스타일을 생성하기 위해 특수 트리거어(보기 참조 A)를 사용할 수 있습니다. **내부적으로 수많은 콘텐츠를 포함하고 있어, AID는 강력한 부정적 프롬프트가 필요합니다. 일반적인 부정적 프롬프트(예: 낮은 품질, 잘못된 해부학 등)는 효과가 제한적이므로, 생성된 이미지에 노이즈가 나타나면 제가 제공하는 부정적 텍스트 임베딩 [1]를 함께 사용해 노이즈를 제거해야 합니다. 버전 별 전용 부정적 텍스트 임베딩에 대해서는 버전 정보를 확인하세요. 또한, 색상이 선명하고 일러스트 스타일에 특히 적합한 sd-vae-ft-mse-original [5] VAE를 추천합니다. 제 II부에서는 AID V1.0의 제작 과정을 간략히 소개하고, 제 III부에서는 부정적 텍스트 임베딩을 설명하며, 부록 A에서는 완전한 키워드 리스트를 제공합니다.

다운로드 전 반드시 해당 버전의 버전 정보를 꼭 확인하세요!

AID 모델은 200가지 이상의 안정된 애니메이션 일러스트 스타일 및 100명의 애니메이션 캐릭터를 보유하고 있습니다. 스타일 생성에 필요한 특수 프롬프트는 부록 A 참조. 캐릭터 생성은 캐릭터 이름만 입력하면 됩니다. AID 모델은 색조판과 같은 것으로, 프롬프트를 임의로 조합해 새로운 스타일을 창조할 수 있습니다.

1 추천 설정

샘플러: Euler a

스텝 수: 40

해상도: 512x768, 640x960, 768x1152 등

CLIP 스킵: 1

프롬프트 형식: best quality, masterpiece, highres, by {xxx}, best lighting and shadow, stunning color, radiant tones, ultra-detailed, amazing illustration, an extremely delicate and beautiful, {다른 프롬프트}

부정적 프롬프트 형식: aid210, {다른 부정적 프롬프트}

• ※ 여기서 {xxx}는 스타일 이름이며, aid210은 모델 전용 부정적 텍스트 임베딩입니다. [1]에서 다운로드하여 사용법을 익히세요.

2 버전 비교

각 버전의 AID는 장단점이 있으며, 항상 최신 버전이 최고는 아닙니다.

• 초보자에게 적합: v2.8, v2.91 - Weak, v2.10beta1

• 뛰어난 창의성: v2.6, v2.7, v2.91 - Weak, v2.91 - Strong

• 비교적 안정적: v2.5, v2.6, v2.8, v2.91 - Weak

• 다양한 스타일: v2.91 - Weak, v2.91 - Strong, v2.10beta1

II 모델

이 모델은 3개의 서로 다른 모델을 융합해서 만들었으며, 그 중 2개는 제가 훈련했고, 나머지 하나는 GoldSun이 융합한 Pretty 2.5D 모델 [2]입니다.

1 모델 훈련

훈련 데이터로 4300장 이상의 인간이 재단하고 태그한 512x512 크기의 2D 애니메이션 일러스트 이미지를 사용해, Naifu 7G 대규모 모델을 DreamBooth를 사용해 미세조정했습니다. 각 데이터셋 이미지당 높은 학습률로 100 에포크 동안 훈련했습니다. 정규화 이미지를 사용하지 않았으며, 텍스트 인코더도 함께 훈련했습니다. 관심 있다면 [3]에서 자세한 설정을 확인할 수 있습니다.

2 모델 융합

Merge Block Weighted 확장 기능을 사용해 3개의 모델을 융합했습니다. 세 모델 중 하나는 스타일과 텍스트 인코더를 제공하며(베이스 알파, 모든 OUT 레이어), 하나는 손 디테일을 최적화하는 데 사용(ING 00 - 05), 나머지 하나는 구성과 더 잘 어울리는 처럼 제공(ING 06 - 11 및 M 레이어)한 Pretty 2.5D 모델을 사용했습니다.

III 부정적 텍스트 임베딩

이 모델은 neatv3라는 부정적 프롬프트에 대한 텍스트 임베딩 파일을 추천합니다. 이는 프롬프트 작성의 단순화뿐만 아니라, 모델의 잠재력을 자극하고 이미지 품질을 향상시킵니다. 일반적으로 네트v3의 효과는 충분하며, 추가로 품질 관련 프롬프트를 입력할 필요는 없습니다. 하지만 전체 문제를 해결하지는 못합니다.

1 사용 방법

다운로드한 부정적 텍스트 임베딩 파일, 즉 badv3.pt를 스튜디오 디퓨전 디렉토리에 위치한 embeddings 폴더에 넣으세요. 이후 부정적 프롬프트 필드에 badv3을 입력하면 됩니다.

2 제작 아이디어

나는 나쁜 이미지의 개념을 학습하고, 이를 부정적 프롬프트에 넣어 불량 이미지를 생성하지 않도록 하려고 했습니다. 나는 모델이 생성한 수백 장의 나쁜 이미지를 사용해 부정적 텍스트 임베딩인 badv3를 학습했습니다. 이는 EasyNegative [4]와 유사한 원리입니다. 기존의 부정적 임베딩이 모델 스타일에 미치는 영향을 줄이기 위해 과적합(fitting) 상태로 학습시켜 보았고, 이 방법이 효과 있는 것처럼 보입니다.

EasyNegative과 비교해, badv3는 본 모델에서 더 나은 효과를 보였습니다. 다른 부정적 텍스트 임베딩은 아직 비교하지 않았습니다. badv3는 deformityv6 이후에 제작한 n번째 부정적 텍스트 임베딩입니다. 제작은 매우 쉽지만 결과는 무작위적입니다. 나쁜 이미지로 훈련된 다른 모델의 가중값을 제거하기 위해 차분(차이)을 추가해 보았으나, 현재로선 유망한 결과를 얻지 못했습니다. 다음에는 부정적 텍스트 임베딩 대신 부정적 LoRA를 훈련해 모델 내에서 가중값을 직접 "제거"하는 방식을 고려 중입니다.

IV 고지

이 모델은 다중 스타일 모델 훈련을 테스트하기 위한 것이며, 상업적 활용이나 이익과 무관하며 모두 개인의 관심에서 비롯되었습니다. 만약 침해가 발생하면 즉시 삭제됩니다.

모든 커버 이미지는 LoRA를 사용하지 않고 텍스트 기반 생성되었으며, 부정적 프롬프트에서 [1]의 부정적 텍스트 임베딩이 사용되었습니다.

사용자는 이 모델을 이미지 생성에만 사용할 수 있으며, 사전 협의 없이 재배포하는 것은 금지됩니다.

모델을 모든 상업적 용도로 사용하는 것은 엄격히 금지됩니다.

부록 A의 샘플 이미지는 본 모델의 특수 프롬프트용 대분류 프롬프트 참고용이며, 반드시 지정된 프롬프트만 사용해야 하는 것은 아닙니다.

이 모델을 사용해 폭력적이거나 잔인한, 성적 콘텐츠를 포함하는 위법한 이미지나 저작권 침해 콘텐츠를 생성하지 마세요! 따라서 부록 A에서는 훈련된 일부 키워드만 제공됩니다.

참고 사이트 / 참조 페이지

[1] 보편적 품질 임베딩 - AnimeIllustDiffusion - aid210 | Stable Diffusion Textual Inversion | Civitai

[2] Pretty 2.5D | Stable Diffusion 체크포인트 | Civitai

[3] 다중 스타일 모델 - 세르룰라 스타일 과학 픽션 일러스트 - AI 가속기 커뮤니티 (acceleratori.com)

[4] EasyNegative | Stable Diffusion TextualInversion | Civitai

[5] vae-ft-mse-840000-ema-pruned.ckpt · stabilityai/sd-vae-ft-mse-original at main (huggingface.co)

부록 A / Appendix A

AIDV2.5 까지 / Until AIDV2.5: by 35s00, by agm, by ajimita, by akizero, by ask, by chicken utk, by demizu posuka, by dino, by fadingz, by fuzichico, by hamukukka, by hitomio16, by ichigo ame, by key999, by kooork55, by matcha, by mika pikazo, by modare, by myung yi, by naji yanagida, by nezukonezu32, by nico tine, by nikuzume, by ninev, by oda non, by palow, by qooo003, by rolua, by samip, by serie niai, by shirentutu, by sho, by silver, by sonomura00, by void, by wlop, by xilmo, by yoneyama mai, by yosk6000, by zumizumi

AIDV2.6 추가 / AIDV2.6 adds: by caaaarrot, by hinaki, by homutan, by kazari tayu, by kitada mo, by roitz, by teffish, by ukiatsuya, by yejji, by ziyun

AIDV2.7 추가 / AIDV2.7 adds: by poharo, by jnthed, by 7thknights, by some1else45, by yohan, by yomu, by tsvbvra

AIDV2.9 추가 / AIDV2.9 adds: by kkuni, by starshadowmagic, by star furu, by rella, by tukumi bis, by yumenouchi, by chon, by eku uekura, by tira27, by kuroume, by hachisan, by nounoknown, by kurige horse, by konya karasue, by noyu, by ame929, by muryou tada, by yun216, by nekojira, by nanmo, by wait ar, by akasaai, by momoco, by sushi0831, by taiki, by siki, by kinta, by hata, by anteiru, by lemoneco, by umaiyo puyoman, by freng, by rin7914, by shimanun, by hidulme, by whoisshe, by 5eyo, by cutesexyrobutts, by shiren, by omutatsu, by gesoking, by 3meiji, brushstrokes

AIDV2.9 업데이트 / AIDV2.9 Update: (i) by demizu posuka; (ii) by fuzichico -> by fuzichoco; (iii) 훈련 이미지 해상도 향상 / Increased resolution of training dataset; (iv) skip clip = 1 환경에서 훈련 / Trained on "skip clip = 1".

AIDV2.91 추가 / AIDV2.91 adds: impasto, pseudo-impasto, semi-realistic, concept art, flat color, celluloid

AIDV2.10beta1까지 / Until AIDV2.10beta1: by 35s00, by 3meiji, by 5eyo, by 7nu, by 7thknights, by adenim, by agm, by ajimita, by akizero, by ame929, by anmi, by anteiru, by arutera, by ask, by atelier irrlicht, by bunbun, by caaaaarrot, by camu, by canking, by ccroquette, by chi4, by chicken utk, by chon, by cola, by cutesexyrobutts, by darumakarei, by dino, by dora, by dsmile9, by ei maestrl, by ekita kuro, by ekita xuan, by eku uekura, by fadingz, by fajyobore, by foomidori, by freng, by fuzichoco, by gesoking, by gomzi, by hachisan, by hakuhiru oeoe, by hamukukka, by haru, by hata, by hidulme, by hikinito0902, by hinaki, by hitoimim, by hitomio16, by hizumi, by homutan, by hotatenshi, by houk1se1, by hyatsu, by icecenya, by ichigo ame, by inoriac, by iromishiro, by iwzry, by jnthed, by joezunzun, by junsui0906, by karohroka, by kaya7hara, by kazari tayu, by killow, by kin, by kinta, by kishiyo, by kitada mo, by kkuni, by konya karasue, by kooork55, by kot rou020, by krenz, by kurige horse, by kuroume, by lalalalack, by lemoneco, by lm7, by lovelymelm, by lpmya, by mar takagi, by matcha, by matsukenmanga, by melowh, by menou, by midori xu, by mika pikazo, by misumigumi, by miv4t, by mochizukikei, by mogumo, by momoco, by momoku, by morikuraen, by mqkyrie, by muina, by munashichi, by muryou tada, by myaru, by myc0t0xin, by myung yi, by nack, by naji yanagida, by nanmo, by nardack, by narue, by nekojira, by netural, by nezukonezu32, by nico tine, by nikuzume, by nine, by nineo, by ninev, by niwa uxx, by nixeu, by noco, by noodle4cool, by nounoknown, by noyu, by oda non, by omutatsu, by onineko, by palow, by panp, by pikuson, by poharo, by poire, by potg, by pro-p, by qooo003, by rai hito, by rattan, by reiko, by rella, by rhtkd, by rin7914, by roitz, by ryuseilan, by saberiii, by sais, by sakiika, by samip, by sanosomeha, by say hana, by scottie0073, by senryoko, by serie niai, by seuhyo99, by shal-e, by shimanun, by shirabii, by shiraishi kanoya, by shiren, by shirentutu, by sho, by sia, by siki, by silver, by solipsist, by some1else45, by sonomura00, by sooon, by star furu, by starshadowmagic, by starzin07, by sui 0z0, by sul, by sushi0831, by suzukasuraimu, by taiki, by takumi bis, by teffish, by tidsean, by tira27, by tsukiho tsukioka, by tsvbvra, by ttosom, by tukumi bis, by uiiv, by ukiatsuya, by umaiyo puyoman, by void, by wait ar, by walzrj, by wanke, by whoisshe, by wlop, by xilmo, by yejji, by yogisya, by yohan, by yomu, by yoneyama mai, by yosk6000, by yumenouchi, by yun216, by yunikon147, by yunsang, by ziyun, by zumoti4