「liquid lemons」 🍋 📷

~ 아래에 추천 설정 및 학습 파라미터! ~

이 로라(Qwen-Image 스타일)는 1990년대 중후반부터 2000년대 초반의 스톡 사진 데이터로 학습되었습니다. 당시 CD에 수록되었고 광고에서 자주 볼 수 있던 사진 스타일입니다. 트리거 단어는 필요하지 않지만, 사진 관련 키워드(예: "a photograph of... ...얕은 심도, 자연광...")를 사용하면 스타일이 더 잘 드러납니다. 이 모델은 모든 실제 데이터(합성 데이터 미포함)로 학습되었으며, 캐릭터/기타 로라와의 호환성을 극대화하기 위해 인물 사진은 포함하지 않았습니다. 효과가 매우 강하므로 캐릭터 로라를 사용할 경우 강도를 1.00 미만(약 0.40~0.50)으로 낮추는 것이 좋습니다. 사용해보셨다면 의견을 알려주세요. :)

추천 설정

강도 ... 0.40 - 1.20

스텝 ... 20 - 50 (또는 그 이상)

CFG ... 3.0 - 5.0

샘플러/스케줄러 ... 어떤 것도 가능하지만, res_2s/bong_tangent(RES4LYF)이 좋습니다.

이 모델과 Qwen 전반적으로 상세한 캡션과 고해상도, 높은 스텝 수와 잘 어울립니다(단, res_2s를 사용할 경우 낮추세요). 예시 및 ComfyUI 워크플로우는 쇼케이스를 확인하세요. Qwen은 전반적으로 프롬프트, 키워드, 그리고 프롬프트 내 키워드 순서에 매우 민감합니다. 스타일이 즉시 드러나지 않는다면 프롬프트를 재배열해 보세요. Qwen이 기본 스타일로 돌아가거나 강도가 올라가는 키워드를 약화시키거나 제거하는 것이 도움이 됩니다.

워크플로우에서 사용한 커스텀 노드:

• RES4LYF (https://github.com/ClownsharkBatwing/RES4LYF)

• Rgthree (https://github.com/rgthree/rgthree-comfy)

• 선택사항: 포스트 프로세싱 노드 (https://github.com/EllangoK/ComfyUI-post-processing-nodes)

학습 파라미터

개방 소스 정신에 따라, 누군가를 가로막지 않기 위해 제가 사용한 파라미터는 다음과 같습니다 ~

도구 ... Diffusion-pipe

학습률 ... 0.0003

차원 또는 "Rank" ... 8

스텝 ... 2640

에포크 ... 80

스케줄러 ... AdamW8Bit

총 이미지 수: 134장, 1회 반복

학습 해상도 ... 1024