Lumina 2를 위한 강화 패키지

모든 커버 이미지는 모델의 원본 출력이며, 해상도 1MP, 확대 없음, 손/얼굴 inpainting 보정 없음, 심지어 부정 프롬프트조차 사용하지 않았습니다.

현재 지원:

약 7,000장의 이미지로 학습되었습니다.

사진, 디지털 아트, 애니메이션 이미지, 우주 이미지 등 제가 생각해낼 수 있는 모든 장르. 클로즈업 의류, 손, 복잡한 주변 조명 등 다양한 전용 서브 데이터셋을 포함합니다.
고해상도이며 가장 미세한 디테일을 가진 이미지만 사용. 전체 데이터셋의 평균 픽셀은 3.37MP, 약 1800x1800입니다. 모든 이미지는 제가 직접 선정했습니다.
Google LLM을 통해 생성된 포괄적인 자연어 캡션.
애니메이션 캐릭터는 wd tagger v3로 먼저 태그한 후, Google LLM을 통해 자연어로 정제했습니다.

효과:

왜 다양한 요소별로 분리된 LoRA가 아니라 하나의 패키지인가요?

이는 수학적 문제입니다. AI에게 빠르게 질문해보세요. "이미지 모델을 사용할 때, 이미지 모델에 너무 많은 LoRA를 쌓는다면 어떤 문제가 발생하나요? 수학적 관점에서."

모든 데이터와 개념을 한 번에 학습하면 충돌이 발생하지 않습니다.

더불어, 더 큰 데이터셋은 과적합을 방지할 수 있습니다. 심지어 이 모델을 애니메이션에만 사용하더라도, 사진 데이터에서 얻은 지식은 애니메이션에 더 많은 디테일을 추가하는 데 도움이 됩니다. 이것이 왜 우리가 데이터셋에 대해 "더 크면 더 좋다"고 말하는 이유입니다.

강도 0.8~1을 권장합니다.

데이터셋의 애니메이션 이미지에는 "Digital anime illustration."를 프리픽스로 트리거 단어로 사용했습니다. 당신도 이 방식을 사용할 수 있습니다.

이 모델은 Apache License 2.0 하에 릴리즈됩니다.

추가 조건: 이 LoRA를 병합한 모델을 판매하거나 수익화하는 것은 금지됩니다.

참고: 버전 번호는 의미가 없으며, 단지 제 학습 ID입니다.

v0.27: 효과 증대. 기본 스타일 포함.

v0.11: NetaYume v3.5 기반 학습. 전체 런. 모든 데이터셋으로 학습. 기본 스타일 포함.

v0.8: 초기 버전. NetaYume v3 기반. 테스트 런. 총 학습 데이터 약 1,000장. 편향 없음, 기본 스타일 없음.

Reakaaka's enhancer [Lumina 2]