van_gogh/ヴァン・ゴッホ/梵高 (Fate/Grand Order)

• 由于 Civitai 的服务条款，部分图片无法上传。完整的预览图片请见 HUGGINGFACE。
• 此模型包含两个文件，必须同时使用！！！
• 相关触发词仅供参考，有时可能需要调整。
• 推荐 pt 文件的权重为 0.5-1.0，LoRA 的权重为 0.5-0.85。
• 图片使用少量固定提示词和基于数据集的聚类提示词生成，使用了随机种子，排除了人为挑选。你看到的就是你能得到的。
• 未对服装进行专门训练。你可以查看我们提供的预览帖子，获取对应服装的提示词。
• 此模型使用 440 张图片进行训练。

如何使用此模型

此模型包含两个文件，必须同时使用！！！。在此情况下，你需要下载 van_gogh_fgo.pt 和 van_gogh_fgo.safetensors 两个文件，然后将 van_gogh_fgo.pt 用作纹理反转嵌入，同时将 van_gogh_fgo.safetensors 用作 LoRA。

このモデルには2つのファイルがあります。一緒に使う必要があります！！！。 この場合、van_gogh_fgo.ptとvan_gogh_fgo.safetensorsの両方をダウンロード する必要があります。van_gogh_fgo.ptをテクスチャ反転埋め込みとして使用し、同時にvan_gogh_fgo.safetensorsをLoRAとして使用してください。

这个模型有两个文件。你需要同时使用它们！！！。 在这种情况下，您需要下载van_gogh_fgo.pt和van_gogh_fgo.safetensors这两个文件，然后将van_gogh_fgo.pt用作纹理反转嵌入， 同时使用van_gogh_fgo.safetensors作为LoRA。

이 모델은 두 개의 파일이 있습니다. 두 파일을 함께 사용해야 합니다!!!. 이 경우에는 van_gogh_fgo.pt와 van_gogh_fgo.safetensors 두 파일을 모두 다운로드하신 다음에 van_gogh_fgo.pt을 텍스처 반전 임베딩으로 사용하고, 동시에 van_gogh_fgo.safetensors을 LoRA로 사용하셔야 합니다。

触发词为 van_gogh_fgo，推荐标签为：best quality, masterpiece, highres, solo, {van_gogh_fgo:1.15}, braid, long_hair, blue_eyes, bangs, side_braid, hat, orange_hair, crown_braid, smile, brown_hair, flower, sunflower, open_mouth。

模型训练方式

此模型使用 HCP-Diffusion 进行训练，自动训练框架由 DeepGHS 团队 维护。

为何部分预览图看起来不像 Van Gogh Fgo

所有预览图中使用的提示词文本（可通过点击图片查看）均是基于训练数据集中提取的特征信息，通过聚类算法自动生成。图像生成过程中使用的种子也是随机生成的，且图像未经任何挑选或修改。因此，可能出现上述问题。

实际上，根据我们的内部测试，大多数出现此类问题的模型在实际使用中表现优于预览图所示效果。你唯一可能需要做的，就是调整你使用的标签。

我觉得此模型可能存在过拟合或欠拟合，我该怎么办？

我们的模型已发布在 huggingface 仓库 - CyberHarem/van_gogh_fgo，其中保存了所有训练步骤的模型。此外，我们也发布了训练数据集于 huggingface 数据集 - CyberHarem/van_gogh_fgo，这可能会对你有帮助。

为何不直接使用筛选更好的图片？

本模型从数据采集、训练、生成预览图到发布，整个过程100%自动化，没有任何人工干预。这是我们团队进行的一项有趣实验，为此我们开发了一整套软件基础设施，包括数据过滤、自动训练和自动化发布。因此，若有可能，我们非常欢迎更多的反馈或建议，因为它们对我们极其宝贵。

为何无法准确生成期望角色的服装？

我们当前的训练数据来源于多个图像网站。对于全自动流程而言，很难准确预测某个角色拥有哪些官方图像。因此，服装生成依赖于对训练数据集中标签的聚类分析，以期实现最佳还原效果。我们将持续改进这一问题并尝试优化，但它仍是一个无法完全解决的挑战。服装还原的准确度也难以媲美人工训练模型的水平。

事实上，该模型最大的优势在于还原角色本身的固有特征，以及因其更大数据集而具备的较强泛化能力。因此，此模型非常适合用于更换服装、调整角色姿势，当然也包括生成角色的 NSFW 图像！😉

以下群体不建议使用本模型，我们深表遗憾：

1. 无法容忍角色设计中任何细微偏差的用户。
2. 对角色服装还原精度要求极高的应用场景使用者。
3. 无法接受基于 Stable Diffusion 算法生成图像所固有的随机性的用户。
4. 不适应使用 LoRA 自动化训练角色模型流程的用户，或认为训练角色模型必须完全手动操作以示尊重角色的用户。
5. 觉得生成内容冒犯其价值观的用户。