CCCP poster style
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
NOOB V-PRED 4.0에 대해
SNR 파라미터를 1로 조정하여 V3 대비 과적합을 줄이고 질감 및 적응성을 향상시켰습니다.
Regarding NOOB V-PRED 4.0
The SNR parameter was adjusted to 1, reducing overfitting based on V3, while enhancing texture and adaptability.
NOOB V-PRED 3.0에 대해
Kohya SS GUI를 사용하여 NOOB V-PRED V1.0을 기반으로 학습했습니다.
학습 매개변수를 수정하여 에포크 수를 증가시키고, 각 에포크당 반복 횟수를 줄여 과적합을 방지하였으며, 이제 LoRA는 세부 사항을 더 잘 이해합니다.
자세한 학습 내용은 오른쪽 버전 관련 항목을 참고하세요.
Regarding NOOB V-PRED 3.0
Training based on NOOB V-PRED V1.0 using Kohya SS GUI.
Adjusted the training parameters by increasing the number of training epochs and reducing the repetition frequency per epoch to prevent overfitting, resulting in better detail comprehension by LoRA.
For specific training details, refer to the related version on the right
NOOB V-PRED 2.0에 대해
OneTrainer를 사용하여 NOOB V-PRED V1.0을 기반으로 학습했습니다.
학습 데이터셋을 필터링하고 학습 반복 횟수를 늘려 더 나은 색상과 효과를 얻었습니다.
NOOB가 이러한 예술 스타일을 잘 이해하지 못하기 때문에 style-abstract을 삭제했습니다.
자세한 학습 내용은 오른쪽 버전 관련 항목을 참고하세요.
About NOOB V-PRED 2.0
Train using OneTrainer based on NOOB V-BED V1.0.
Filter the training set and increase the number of training repeats to achieve better colors and effects.
The triggerword s-o (style-abstract) has been removed because NOOB has a poor understanding of this type of art style.
Please refer to the relevant version on the right for specific training details.
NOOB V-PRED V1.0에 대해
NOOB V-PRED V1.0을 기반으로 학습했습니다.
더 나은 효과를 얻기 위해 학습 데이터를 줄였으며, 현재 단색 표현에서 더 우수한 성능을 보입니다.
다양한 예술 스타일을 생성하기 위해 트리거 단어를 세분화했습니다. s-a는 style-abstract, s-o는 style-oil painting, s-m은 style-monochrome를 의미합니다.
자세한 학습 내용은 오른쪽 버전 관련 항목을 참고하세요.
About NOOB V-PRED V1.0
Trained based on NOOB V-PRED V1.0.
I reduced the training data for better effect. Now it performs better in monochrome.
I divided the trigger words to generate different types of art styles, where s-a means style-abstract, s-o means style-oil painting, and s-m means style-monochrome.
It is recommended to use NOOB V-PRED 0.5 as the generative model for better aesthetic performance.
Please refer to the about version on the right for specific training details.
NOOB E-PRED V1.0에 대해
NOOB E-PRED V1.0을 기반으로 학습했습니다.
학습 데이터를 재수집하고, 다양한 예술 스타일을 생성하기 위해 트리거 단어를 세분화했습니다. s-a는 style-abstract, s-o는 style-oil painting, s-m은 style-monochrome를 의미합니다.
더 나은 미적 성능을 위해 NOOB V-PRED 0.5를 생성 모델로 사용하는 것을 권장합니다.
자세한 학습 내용은 오른쪽 버전 관련 항목을 참고하세요.
About NOOB E-PRED V1.0
Trained based on NOOB E-PRED V1.0.
I recollected the training data and divide the trigger words to generate different types of art styles, where s-a means style-abstract, s-o means style-oil painting, and s-m means style-monochrome.
It is recommended to use NOOB V-PRED 0.5 as the generative model for better aesthetic performance.
Please refer to the about version on the right for specific training details.
PonyXL-experimental에 대해
PonyXL을 기본 모델로 사용하여 학습을 시도했으며, 결과는 3.0에 가까웠으나 이미지 세부 사항에서 많은 질감이 부족했습니다. 현재 더 나은 버전을 탐색 중입니다. 학습 매개변수는 버전 관련 항목을 참조하세요.
About the PonyXL experimental
Attempting to train with PonyXL as the base model resulted in a result that was barely close to 3.0, but lacked a lot of texture in image details. We are still exploring a better version. See about the version for training parameters.
3.0에 대해
3.0 버전에서는 다중 해상도 노이즈 기술(피라미드 노이즈)을 사용하였고, 정규화는 적용하지 않았으며, 모든 이미지를 학습에 사용했습니다.
조명 및 그림자 효과가 강화되었고, 규칙적인 객체의 묘사에 더욱 민감해졌습니다. 단점으로는 건물 그리기를 선호하는 경향이 있으며, 인물을 그릴 때 1girl 또는 1male의 가중치를 증가시켜야 합니다.
학습 매개변수는 다음과 같습니다:
multires_noise_iterations="6"
multires_noise_discount=0.3
In 3.0 version, mutlires noise was used. No Regularization. All images were used in training.
The light and shadow seem to have become stronger, and the painting of regular objects is also more sensitive. The disadvantage is that it seems to prefer to paint buildings, and when drawing characters, you need to increase the weight of 1 girl or 1 male.
Here's the parameter of this version:
multires_noise_iterations="6"
multires_noise_discount=0.3
서문
이것은 소비에트 포스터 스타일을 그리기 위한 LyCORIS입니다. 가중치가 낮을 때는 모델 자체의 스타일을 선호하고, 가중치가 높을 때는 포스터 스타일에 더 가까워집니다.
현재까지는 애니메이션 모델에서만 테스트되었으며, 주요 테스트 모델은 AOM3A와 viewerMix이며, 효과가 비교적 우수합니다. 실제 인물 스타일의 모델에서는 원본 포스터 스타일에 더 가까운 결과를 얻을 수 있을 것입니다.
학습 매개변수
NAI Final을 기본 모델로 사용하여 학습했습니다. 학습 데이터셋으로 36장의 이미지를, 회귀 학습 데이터셋으로 35장의 이미지를 사용하였고, 학습 전에 이미지 미러링 증강을 적용했습니다. 각 이미지는 10번씩 반복하여 10에포크 학습하였고, 최종 스텝 수는 약 7000스텝입니다. 주요 설정 매개변수는 다음과 같습니다:
network_dim=32
network_alpha=32
keep_tokens=4
conv_dim=4
conv_alpha=4
lr="1e-4"
unet_lr="1e-4"
text_encoder_lr="1e-5"
batch_size = 2