AstolfoMix-SD2

15のモデル（12のUNet + 4のCLIP）をエキゾチックにマージしたものです。詳細はこの記事をご覧ください。「やや公式リリース」前のスニープビューはこちら。内容や理論はSD1版と重複せず、以下はSD2専用です。

抽象

AstolfoMix-SD2を発表します。これは「実用的なSD2.1モデルを作ること」に焦点を当てたマージモデルです。これまでのモデルとそのファインチューニング版（特にWD1.5）の歴史は惨憺たるものでした。現在はアニメスタイルです。彼女はAstolfoではありませんが、それでもとてもかわいいです！

イントロダクション

SD2.1はオリジナルのアイデアを試すのに最適なフィールドです。SD2とそのファインチューニング版（特にWD1.5）の全歴史は完全な悲劇でした。もし私が全く使えないモデルをマージしても合理的な結果が出るなら、さらに多くの独創的な発見ができ、真実に近づけるでしょう。

メソッド

SD1のように「ランダムにモデルを選んでも動く」のとは異なり、（慎重な）モデル選択はNP困難（O(N!)）な問題です。しかし、視覚的検査によるパターン認識（合計23個と数が少ないため）により、核心的概念は**「Replicant-V3 UNET + WD1.5B3 CLIP」にまで絞られました。さらにマッチングを重ね、このバージョンのAstolfoMixでは10個のUNetと4個のCLIP/TE**を選び出しました。

今回はstable-diffusion-webui-model-toolkitを頻繁に使用します。なぜなら、UNetとCLIPを同時に抽出・インポートし続ける必要があるからです。また、このツールはモデルをFP16のsafetensors形式で保存し、広く使用され、信頼性が高く、ディスク容量も節約できます。今や80個以上のモデルを生成しました（これは膨大です）（空間的複雑さは_O(N)）_

（画像と手順は省略。詳細は私のGitHubページをご覧ください）私はCLIPとUNetの間で複数回のグローバル比較を行い、段階的にモデルの範囲を狭め、最終的に発見されたSD2.1モデルの半分だけを選び出しました。

実験

SD1版と同様です。唯一の違いは、ほとんどのモデルが「アニメ/リアル」とタグ付けされているため、プロンプトを調整しなければならなかったこと、そしてAIがSD1のようにスタイルをブレンドしなかったことです。実際のモデル構造の違いにより、ランタイムエラー、マージ全体で同一スコア、一貫した劣化画像が発生しました。複数の回避策を適用し、モデル選択を切り替えるまで行いました。

議論

SD1版と同様です。v-predは有用です。タグ付けは依然として解決可能です（私は品質/スタイルタグに反対です。これにより多くの無関係なオブジェクトと結びついて、（ベース）モデル全体の柔軟性を損なう可能性があります）。代わりにLoRA/埋め込み（badhands/badprompt）で問題を解決してください。

結論

ぜひ私のモデルをお試しください！AstolfoMixは私の個人的な「モデル選択」と「特徴抽出」に過ぎません。誰もが「均一マージ」を使って、優れたSDXLモデルが登場する前に独自のベースモデルを作成できます。また、豊富なリソースを持たない場合は、リスクの高いMBW/ファインチューニングに時間を無駄にしないでください。