Glitch Effect

このLoRAは、画像にデジタルグリッチ効果を追加・強化しますが、プロンプトにいくつかのキーワードを追加する必要があります。トレーニング時にはトリガーワードを使用していますが、より多くのフレーズをプロンプトに追加すると、効果をより正確に制御できます。たとえば：digitally glitched、glitch effect、pixel sorting、data streams、digital noise、chromatic aberration などです。トリガーワードは「gl1tch」で、これも少し助けになりますが、完全にオプションです。

推奨モデル強度： 0.9

有効なモデル強度範囲： 0.1 - 1.2

推奨サンプラー/スケジューラ： ddim / beta（または euler / normal または beta）

Z-Image Turboは、LoRAなしでも画像に若干のグリッチ効果を追加しますが、その効果は非常に微弱です。Z-Imageモデルは歪みやノイズに対して強く抵抗するため、非常に明確で一貫したグリッチ効果を望む場合はLoRAが必要です。このLoRAのトレーニングは容易ではありませんでした。5世代目のバージョンになってようやく共有します。最終的なトレーニング損失は0.3032で、過学習の危険ゾーンに差し掛かる直前でした。私が含んでいる保存点の前の保存点は0.348であり、両者の差は非常に小さいですが、技術的には0.3032の方が優れています。

モデル強度を1.2まで上げてこのLoRAを使用することは技術的に可能ですが、被写体の細部が失われ始める可能性があります。肌のトーンが壊れることも、奇妙なアーチファクトが発生することも、少なくとも頻繁には、また重大なレベルでは起こりません。スタイル自体が歪みを追加するものであるため、不完全さはやや目立たなくなります。通常はモデル強度を約0.9程度に設定するのが適切です。1.0もしばしば完全に問題ありませんが、私はZ-ImageのLoRAの強度を常に少し下げるのが好みです。ただし、このLoRAではグリッチの強度を調整できるため、異なる値を試してみてください。0.1ではほとんど効果が見えませんが、LoRAなしとは明確に区別できます。

私の推奨サンプラー/スケジューラでは、ddimにkl_optimalをよく使用しますが、これはこのLoRAにはしばしば強すぎます。ddimにbetaスケジューラを使用するのが通常はより適しています。これはeulerサンプラーにnormalスケジューラを使用するのと非常に似ています。このLoRAにはeuler ancestralを避けるのが良いと思いますが、使用できないわけではありません。