ThinkDiffusionXL (TDXL)

ThinkDiffusionXL 是我们致力于打造一款顶级模型的成果，它能实现令人惊叹的写实效果，同时具备足够的多样性，无需成为提示词大师，也能生成各种风格和主题的高质量图像。

您可以在 ThinkDiffusion 上直接找到预加载的该模型。

了解更多关于该模型的信息，请点击此处

如果您对它感到满意，请留下评价，这将鼓励我们继续创作并改进它。

模型工作细节

• 数据来源：TDXL 在超过 10,000 张涵盖写实、数字艺术、动漫等多样图像上进行训练。数据集中最小分辨率为 1365x2048，但许多图像的分辨率高达 4622x6753。整个数据集总计占用 42GB。

• 训练过程：我们进行了 180 万步的训练。作为对比，Juggernaut 为 60 万步，RealVisXL 为 34.8 万步。

• 人工标注图像：每张图像均经过人工精心标注，显著提升了模型在极简提示下生成精准、高质量结果的能力。

• NSFW 能力：模型包含 1,000 多张经过精心筛选的 NSFW 图像。

我们的想法

• 细节与质量：大多数现实类 XL 模型在细节表现上存在缺陷，尤其是在背景以及眼睛、牙齿、皮肤等基本特征上。我们相信，TDXL 凭借其庞大且高质量的数据集，在这些方面表现更优。相比之下，Juggernaut 的图像素材量约为 TDXL 的一半，而 RealVisXL 仅有 1,700 张图像。最终，TDXL 拥有远超它们的“知识量”。

• 更低的偏见：我们确保每种风格、性别等类别使用的图像数量均衡。在过去几个月测试的其他模型中，普遍存在某种偏见，例如偏向肖像拍摄、性别偏见、特定种族偏好等。例如，Juggernaut 在特写镜头方面存在偏见，且其电影式光影效果极为突出；RealVisXL 也偏向肖像拍摄。而 TDXL 可以按您所愿生成：风景、中景、全身、特写、肖像、侧面、背面、动态镜头、电影感……无论您需要什么，都不会因为模型偏见而被固定导向某一方向。

• 通用基础模型：得益于其庞大且均衡的高质量数据集，TDXL 可作为未来微调训练的基础模型。您可以在此基础上朝完全不同的方向进行微调，添加 LoRA 补充缺失概念，或使用更多均衡高质量数据进行额外训练。