Emolution15

SD1.5 新测试模型（使用epsilon-scaling）训练 2048px 32000步 "EmoNAVI"

---

| 推荐设置 | ※ 此为仍在训练中的演示模型
epsilon-scaling：1.02（A1111・forge 不支持／需使用 reforge 等最新版本）
分辨率为 960 x 1280px 或以下（或使用 Kohya-HiRES）
DPM++ 2M SDE SGM Uniform、CFG：5、Clip skip：2
EmolutionVAE：模型内置／混合微量 EQ-VAE（SDXL）的 840000 版本

---

本模型使用 EmoNAVI 对以往创建的 SD15 模型进行实拍图像训练。
通过 2048px 分辨率训练，高分辨率区域已可实用至约 1280px。
（请务必使用 epsilon-scaling；更高分辨率可通过 Kohya-HiRES 实现）
在使用 e-pred 的同时应用 ZtSNR，可输出纯黑与纯白，色域也得到扩展。
VAE 在默认的 840000 基础上，微量融合了 SDXL 的 EQ-VAE 进行整合，并在训练时也使用此新 VAE。

为规避 SDXL 的 Clip-G 填充问题，同时保持较低 VRAM 负载，
本项目重新激活了 SD15。

---

| 训练概要 | 概要如下：
旧 Emolution 模型（fp8 加载）、EmoNAVI（constant）、5e-5、bf16、2048px
EmolutionVAE（混合微量 EQ-VAE（SDXL）的 840000 版本）、全层 LoRA（c3lier）
e-pred、ZtSNR（Debiased-Estimation）、Huber-SNR、R16･8／A16･8
※ 使用 EmoNAVI 时，具备动态 Rank、动态 Alpha 等功能，为 SVD 系列的上位替代方案

---

鉴于未来可能在 APU（内置 GPU）、NPU、移动设备等环境中进行图像生成的需求，
SD15 环境可能变得重要，因此本项目主要致力于提升其高分辨率性能。
我们将利用与 SD15 早期发布时不同的现代训练方法对其进行更新。
若您认同本项目，请给予“点赞”等支持。
若您愿意协助训练，请参考上述训练概要，制作 LoRA 等相关内容。

---

关于 EmoVAE，请先查阅：https://civitai.com/posts/23602506
视觉上，我认为 EmoVAE 在 560000 VAE 和 840000 VAE 之间取得了很好的平衡。
请放大观察：高光部分偏向 560000，阴影部分偏向 840000，色域更广。
对比画面左侧书架上书籍白色区域的文字部分：
560000 VAE 的文字近乎消失，而 EmoVAE 和 840000 VAE 仍保留细节。
请关注画面右下角床或沙发侧面的图案：
840000 VAE 的灰色过重导致图案几乎消失，而 EmoVAE 和 560000 VAE 仍保留细节。
因此，每种 VAE 各有优劣，最终请根据个人偏好选择。