LoSci Anime 🈂️ by Huggy
详情
下载文件
关于此版本
模型描述
💡 在网站上搜索 “huggy” 以查找我所有的模型。
💡 模型会频繁更新，请记得定期回访并使用最新版本。
📒 由于画风效果在这类混合风格 LoRA 中表现极佳，我接下来将推出一个专用的画风版本。
📒 Version 2.1 指南（这是我从83个模型中训练出的最佳LoRA）：
将三种风格融合进一个LoRA，比堆叠三个独立LoRA能得到更平滑的结果，但保持平衡非常困难。
lofi_anime（简单，过拟合）：将LoRA权重降至约0.7，并配合触发词使用。
scifi_anime（复杂场景，欠拟合）：将权重提升至0.9以上。
painterly（半写实且注重角色细节）：使用0.8以上的权重。
📒 Version 2.1 训练笔记（消耗3,633 buzz，训练耗时8小时）：
1. 过拟合（V1） vs. 欠拟合（V2）：
V1 过拟合是因为它反复看到了一个很小的数据集（54张图像），训练重复次数高达26次，导致模型记住了图像而非学习风格，因此变得“主观”，需要降低权重。V2 欠拟合是因为它面对一个庞大而多样的数据集（215张图像），但训练次数太少（仅5次重复），且网络Alpha值极低，不足以充分学习复杂细节。
2. 平衡的学习强度（networkAlpha）：
为解决V2的弱点，networkAlpha 将从4提升至12。这是一个策略性折衷：它足以捕捉复杂 scifi_anime 的细节（不像V2的alpha=4那样弱），但又不像V1的alpha=16那样激进。目标是打造一个强大且灵活的LoRA，在权重接近1.0时仍能与其它模型良好兼容。
3. 禁用翻转增强（Flip Augmentation）：
关闭 flipAugmentation。V2的训练证明，翻转增强会破坏不对称概念（如钢琴、文字、独特车辆），使模型学习到错误的“镜像”版本，从而导致生成结果出现缺陷。
4. V2 更优的泛化能力：
V2 使用三个独立触发词（lofi_anime、scifi_anime、painterly）取得了巨大成功。这些触发词作为标签，使模型能清晰区分并分别学习三种风格。而V1没有触发词，将所有风格混为一谈，形成单一、缺乏灵活性的审美。
5. 策略：高重复次数 × 低轮次（Epochs）：
为应对Civitai的10,000步训练上限，V2.1将采用更高的重复次数（10次）和更少的轮次（9轮）。这迫使模型在单轮内“突击学习”每张图像的细节，对同时掌握三种不同风格至关重要。
6. 标题重写：
V2.1的所有标题均经过重新撰写，以提升细节描述。V2在大型数据集中使用简单、重复的标题，导致“概念渗漏”，难以准确回忆具体图像细节。独特且描述性强的标题能建立更强、更精确的文本-图像关联，从而在生成时获得更好的控制力。
📒 Version 2.1 — 标题拼写错误：
"light background. one knee up"
winy → windy
indow → window
- stars
- blue sky
📒 Version 2 — LoSci Anime：
相较于初始的 lofi-anime 版本，训练资源量提升了4倍。
训练已推向极限——接近10,000步（在Civitai上消耗3,600 buzz）。
此版本现在可通过三个独立触发词生成三种不同的动漫风格。它们可单独使用，也可组合以获得混合效果。
lofi_anime
scifi_anime
painterly
📒 Version 1：
- 为你的作品注入混合的复古与科幻氛围。
⚠️ 使用 Version 1 时，至少需包含以下一个触发词以激活此LoRA：
futuristic
indoors
cluttered room
cityscape
city lights
bay
electronic devices
window
potted plant
sunset
hillside
rooftop edge
📒 Version 1 LoRA 成本明细：
- 2,300 buzz — 训练
- 1,500 buzz — 测试
- 总计：3,800 buzz
📒 V2 更新中将修复的问题：
- 修正标题拼写错误：blacck、gfuturistic、sunset / full moon / palm trees potted plants
- 修正草图化背景
🎉 此LoRA是我实现“创建100个LoRA”目标的一部分。
📒 镜像问题：
我注意到一些网站（如 Modelslab 和 yodayo）使用机器人镜像我的模型。特别是 SeaArt，其下载量和生成量数字非常庞大。
我不反对你镜像我的模型 —— 类似 civitaiarchive 的网站一直这么做，我对此没有意见。
但我反对你阻止用户下载模型，并强迫他们使用付费在线服务。
我也反对你声称版权或将生成内容的所有权归属用户。这些是开源模型，基于开源基础训练，使用的数据具有有限所有权。任何人——包括我自己——都不应主张版权。只需注明来源即可。