gareth/ガレス/加雷斯 (Fate/Grand Order)

• 由于Civitai的使用条款，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文件权重为0.5-1.0，LoRA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，采用随机种子，排除了人为挑选。您看到的就是您能获得的。
• 服装方面未进行专门训练。您可以查看我们提供的预览帖子，获取对应服装的提示词。
• 本模型使用132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！！！。在这种情况下，您需要下载gareth_fgo.pt和gareth_fgo.safetensors两个文件，然后将gareth_fgo.pt用作纹理反转嵌入，同时将gareth_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、gareth_fgo.ptとgareth_fgo.safetensorsの両方をダウンロード する必要があります。gareth_fgo.ptをテクスチャ反転埋め込みとして使用し、同時にgareth_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gareth_fgo.pt和gareth_fgo.safetensors这两个文件，然后将gareth_fgo.pt用作纹理反转嵌入， 同时使用gareth_fgo.safetensors作为LoRA。

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

触发词为gareth_fgo，推荐标签为：best quality, masterpiece, highres, solo, {gareth_fgo:1.15}, blonde_hair, short_hair, green_eyes, smile, open_mouth, blush_stickers, breasts。

模型训练方式

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

为何部分预览图与Gareth Fgo形象不符

用于预览图的所有提示文本（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。图像生成时使用的种子也是随机生成的，且图像未经过任何筛选或修改。因此，出现上述问题的可能性是存在的。

实际使用中，根据我们的内部测试，大多数遇到此类问题的模型在真实应用场景中的表现，往往优于预览图所展示的效果。您可能需要做的，仅仅是调整所使用的标签。

我觉得这个模型过拟合或欠拟合，该怎么办？

我们的模型已发布在HuggingFace仓库 - CyberHarem/gareth_fgo_，其中保存了所有训练步骤的模型。同时，我们也发布了训练数据集于HuggingFace数据集 - CyberHarem/garethfgo，这对您可能会有帮助。

为何不直接使用更好筛选的图片？

本模型从数据采集、训练、生成预览图到发布，整个流程100%自动化，无人工干预。这是我们的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，若您能提供反馈或建议，我们将非常感激，因为它们对我们至关重要。

为何无法精准生成期望的角色服装？

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，准确预测某个角色拥有哪些官方图像是非常困难的。因此，服装生成依赖于基于训练数据集标签的聚类方法，以期实现最佳还原效果。我们将持续改进这一问题，但仍难以完全解决。服装还原的准确性，也难以达到人工训练模型的水平。

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

对于以下群体，不建议使用本模型，我们深表遗憾：

1. 无法容忍任何角色原设计细节偏差的用户。
2. 对角色服装还原精度要求极高的应用场景用户。
3. 无法接受基于Stable Diffusion算法生成图像的潜在随机性的用户。
4. 不适应使用LoRA全自动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的角色原作拥护者。
5. 对生成图像内容感到价值观冲突或反感的用户。