Pony Pregnancy

详情

下载文件

模型描述

小马怀孕——怀孕与产后解剖模型 NSFW & SFW

一个经过微调的小马检查点,专注于怀孕产后腹部形态。该模型专为临床/写实风格设计(非风格化动漫),并配备丰富的标签以精确控制腹部的形状与特征。此外,模型还捕捉了产后状态,以实现从孕前、孕期到产后的连贯过渡,包括皮肤褶皱、下垂、腹直肌分离、肚脐外突等细节。

v1.0 新增内容?

最新版本在整体视觉保真度和提示响应性方面均有显著提升。数据集中还增加了大量与怀孕无关的图像,有助于确保在现有怀孕图像中表现不足的概念不会被覆盖或丢失。

✅ 关键标签

重要

阶段锁定强制控制,包含两个锚点:

  • phase_pregnant — 用于生成怀孕内容
  • phase_postpartum — 用于生成产后内容

人种

  • chineseeuropean — 后续将进行更多优化

怀孕

  • 孕周控制

    • first_trimestersecond_trimesterthird_trimester
      • 提示:通过将 phase_pregnant 权重调整至约 0.5–1.0,可更精细地控制整体尺寸
  • 纹理控制

    • gigantic belly
    • stretch marks
    • flat navel
    • slit navel
    • deep navel
    • outie navel / huge outie navel
    • linea alba / hyperpigmentation
  • 服饰控制扩展

    • shirt overhang
    • dress overhang

产后

  • 产后分类体系,实现精细效果:

    • pp_deep_creases — 明显深层褶皱
    • pp_crepey_skin — 轻微松弛皮肤,皮肤纹理明显异常
    • pp_panniculus — 腹部垂皮,皮肤下垂并折叠覆盖腹股沟区域
    • pp_hidden_navel — 肚脐被下垂皮肤遮盖
    • pp_frowning_navel — 肚脐下垂/呈“兜帽”状
    • pp_flat_navel — 肚脐未恢复为内陷,与腹部平齐
    • pp_diastasis_recti — 腹直肌分离导致柔软松垮的腹部
    • pp_dr_mild/moderate/severe — 腹直肌分离的严重程度
    • stretch marks — 未来版本将区分新旧妊娠纹

📸 推荐设置

  • 采样器:DPM++ 3M Karras / Euler a

    • 两者各有细微差异,按个人偏好选择
    • 使用 Forge 时,我发现 DPM++ 3M 能提供最逼真的外观和皮肤纹理,但会略微增加类似业余摄影的模糊感(因数据集大部分超出我的控制)。Euler a 则提供更锐利的结果,但略欠真实感
  • 步数:25–35(Euler a)· 28–40(DPM++ 系列)

  • CFG:4.5–6.5

  • 分辨率:1024×1024(训练分辨率),或若需完整高度构图,可使用 832×1216 / 1216×832

  • 高分辨率修复 / 放大:可选 1.2–1.6 倍放大,配合轻度去噪(0.2–0.35)以锐化纹理

处理小众角色?

你可以使用目标角色的 LoRA,若来自动漫源,建议将 CLIP 强度设为 0.5。你仍能较好保留角色特征,同时在负面提示中加入(big eyes)以保持写实风格。

🧩 提示词指南

标注规则

  • 所有怀孕提示词前缀:phase_pregnant, trimester_X, X navel, ethnicity ...
  • 所有产后提示词前缀:phase_postpartum, pp_X, pp_Y, ethnicity ...

注意:现有的 pregnant 标签已无需使用。

腹部尺寸

腹部尺寸具有高度灵活性,但需稍加调整才能达到理想效果。如前所述,可通过在提示词中将 phase_pregnant 权重调整至约 0.5–1.0 来精细控制整体尺寸。在某些情况下,早期妊娠也可能呈现较大腹部,但可通过降低阶段权重来减小。

作为实验,我发现 gigantic belly 能生成比当前数据集中更大的怀孕腹部,同时仍保留真实属性。建议用于三胞胎或多胎妊娠场景。

请同时查看上述模型所提供图像的元数据。

为何不使用 LoRA?

我选择完整微调 Pony 模型而非 LoRA,是因为目标是实现精确、临床级的解剖结构,而不与基础模型的先验产生冲突。

  • 保真度优先于灵活性。LoRA 的低秩适配器在风格、角色和概念上表现优异,但通常难以捕捉精细表面细节(如皱纹、褶皱、皮肤色素沉着、肚脐微妙形态),除非大幅提升秩/权重——即便如此,不同随机种子或分辨率下,纹理仍可能“糊化”或过饱和。完整微调让 UNet 自身学习这些微观特征。

  • 避免动漫式先验。许多基础检查点会从网络数据中隐式学习理想化或风格化(常偏动漫)的怀孕形态。LoRA 通常是在此基础上“叠加”方向,导致你不得不通过权重或负向提示与基础模型“对抗”。而完整微调重写了这些先验,使真实怀孕/产后解剖结构成为使用阶段标签时的默认结果。

  • 权衡(已接受)。是的,完整模型比 LoRA 更大、训练成本更高,且与其它适配器的“即插即用”兼容性更差。但针对本用途——准确、阶段特异的腹部解剖结构——其一致性和细节精度是值得的。

此模型生成的图像

未找到图像。