Glitch Effect

이 LoRA는 이미지에 디지털 글리치 효과를 추가하고 강화하지만, 프롬프트에 일부 키워드를 추가해야 합니다. 이 LoRA는 트리거 단어로 학습되었지만, 프롬프트에 더 많은 문구를 추가하면 효과를 더 잘 제어할 수 있습니다. 예: digitally glitched, glitch effect, pixel sorting, data streams, digital noise, chromatic aberration 등. 트리거 단어는 gl1tch이며, 이 단어도 약간 도움이 되지만 완전히 선택 사항입니다.

권장 모델 강도: 0.9
작동 가능한 모델 강도 범위: 0.1 - 1.2
권장 샘플러/스케줄러: ddim / beta (또는 euler / normal 또는 beta)

Z-Image Turbo는 LoRA 없이도 이미지에 일부 글리치 효과를 추가하지만, 그 효과는 매우 미미합니다. Z-Image 모델은 왜곡과 노이즈에 강하게 저항하므로, 매우 뚜렷하고 일관된 글리치 효과를 원한다면 LoRA가 필요합니다. 이 LoRA를 학습하는 것은 쉬운 일이 아니었습니다. 5번째 세대 이후에야 공유하게 되었습니다. 최종 학습 손실은 0.3032로, 과적합 위험 구간 직전입니다. 제가 포함한 저장 지점 바로 직전의 손실은 0.348이었으며, 두 값 사이의 차이는 매우 작지만, 기술적으로 0.3032가 더 나은 성능입니다.

기술적으로 이 LoRA를 모델 강도를 1.2까지 높여 사용할 수 있지만, 주체의 세부 사항이 사라질 수 있습니다. 피부 톤이 망가지거나 이상한 아티팩트가 생기지는 않지만, 가끔씩은 발생할 수 있습니다. 어쨌든 이 스타일은 왜곡을 추가하는 것이므로 불완전함은 어느 정도 숨겨집니다. 일반적으로 모델 강도를 약 0.9로 설정하는 것이 좋습니다. 1.0도 종종 완벽하게 작동하지만, 저는 항상 Z-Image LoRA의 강도를 낮추는 편입니다. 그러나 이 LoRA를 사용하면 글리치 강도를 정밀하게 조절할 수 있으므로 다양한 값을 시도해보세요. 0.1에서는 거의 효과가 보이지 않지만, LoRA를 사용하지 않은 경우와는 분명히 구별됩니다.

제가 추천하는 샘플러/스케줄러는 종종 ddim과 kl_optimal을 사용하지만, 이 LoRA에는 종종 너무 강력할 수 있습니다. ddim과 beta 스케줄러를 사용하는 것이 더 나은 경우가 많습니다. 이는 euler 샘플러와 normal 스케줄러와 매우 유사합니다. 이 LoRA에는 euler ancestral을 피하는 것이 좋지만, 사용할 수도 있습니다.