Tutu’s sexy uniform (Dimension Radio x Latex Clothing PU Nun Uniform)/图图的情趣制服（次元电台X乳胶衣PU修女服）

투투의 섹시한 유니폼(차원 라디오 x 라텍스 의류 PU 수녀복)

커뮤니케이션 Q 그룹: 950351015, 놀고 정보를 교환하세요.

텔레그램: https://t.me/+nbU3j7rLEYZkNzVl

친구가 이걸 보내며 괜찮아 보이니 시도해보라고 해서(갑자기 나타난 친구) 시도해봤습니다. 원래는 영상 촬영용으로 구입하려 했지만 게 be 해서 못 촬영했고, 대신 LORA를 만들었습니다.

고품질 LORA 제작을 고수하며, 이 LORA는 차이 추출법 + 실사 촬영을 통해 제작되었고, 다른 LORA와 함께 사용할 때 효과가 매우 좋습니다.

최근 전체 알고리즘 및 제작 방식에 대한 대규모 최적화를 수행했습니다.

그러나 이 모델의 경우 가중치를 작게 설정하는 것이 좋습니다. 일반적으로 0.6으로 설정하면 더 나은 효과를 얻을 수 있으며, 너무 크게 설정할 필요는 없습니다.

사용 편의를 위해 향후 제가 제작하는 모든 LORA의 트리거 단어는 'tutututu' 네 번의 'tu'로 통일합니다.

이 LORA의 경우 높은 재현도를 보장하기 위해 프롬프트에 다음 단어를 포함하는 것을 권장합니다:

tutututu, (nun), (cross necklace), latex bodysuit, shiny clothes, skin tight, habit, latex gloves, black bodysuit, thigh boots,

모든 대형 모델과 매우 호환되며, 특히 2.5D 및 2차원에 뛰어납니다.

사용 방법:

1. LORA를 올바르게 사용하세요.

2. CLIP 종료 레이어 수는 2로 설정하는 것을 권장합니다.

3. 가중치는 필요에 따라 0.4에서 0.9 사이로 설정할 수 있으며, 0.6에서 시작하는 것을 권장합니다.

4. 트리거 단어: tutututu, (nun), (cross necklace), latex bodysuit, shiny clothes, skin tight, habit, latexgloves, blackbodysuit, thighboots,

5. 부정 프롬프트를 너무 많이 추가하지 마세요. 그렇지 않으면 LORA의 효과에 영향을 줄 수 있습니다.

6. 프롬프트 가이던스 계수(CFGScale)는 7에서 시작하여 시도해보세요.

사용 중 문제가 발생하면 메시지를 남겨주세요.

귀하의 작품을 기대합니다!

귀하의 작품을 기대합니다!

귀하의 작품을 기대합니다!

즐거운 시간 되세요.

장기간的信任和支持에 감사드립니다.

성명서:

1. 이 모델을 사용해 생성한 모든 창작물에 대한 책임은 사용자에게 있습니다.

2. 이 모델을 악의적·해로운 콘텐츠를 의도적으로 생성하거나 공유하는 데 사용하지 마세요. 이 모델을 악의적, 해로움, 명예훼손, 사기 또는 정치적 목적으로 사용하지 마십시오.

3. 이 모델을 상업적으로 사용하실 경우, 저에게 알려주시면 감사하겠습니다.

자주 묻는 질문:

1. 차이 추출법이란 무엇인가요?

이름 그대로, 간단히 말해 차이를 추출하여 LORA를 만드는 것입니다. 과거에는 일반적으로 이미지를 직접 사용해 LORA를 학습했지만, 이렇게 학습된 LORA는 기본 모델과 이미지의 기타 환경 요인에 의해 오염될 수 있어, 생성된 이미지에 예상치 못한 영향을 줄 수 있습니다. 반면, 차이 추출법으로 제작된 LORA는 이러한 오염을 제거하여 기본 모델 및 목표 요소 외의 다른 요인의 영향을 거의 받지 않습니다. 따라서 가중치를 높게 설정해도 이미지에 미치는 오염이 매우 작고, 모델 품질이 훨씬 높아집니다. 차이 추출법은 제작이 더 복잡하고 여러 단계가 필요합니다.

2. 왜 이 LORA를 만들었나요?

비슷한 LORA가 많지만, 대부분 현실과 거리가 있어 현재 인기 있는 의상들을 잘 반영하지 못하고, 너무 현실적이지 않다는 것을 발견했습니다.

또한 품질이 불균일하여, 많은 LORA가 캐릭터나 이미지 자체에 큰 영향을 미쳐 사용하기 불편했습니다. 그래서 일련의 의상 LORA를 만들 계획입니다.

3. 왜 저랑 같은 사진이 나오지 않나요?

각자의 컴퓨터 사양과 운영 환경이 다르고, 사용하는 LORA 및 플러그인 버전, 플러그인 설정 등도 다르므로, 동일한 사진을 추구하지 말고, 여러분만의 완벽한 작품을 만들어주세요!

4. 어떻게 연락할 수 있나요?

LORA 커스텀이 필요하거나 다른 협업 의향이 있다면, 여기에 메시지를 남기거나 Q 331506796로 연락하세요(의도를 명시해 주세요).

5. 차이 추출법에 어떤 최적화를 했나요? 그냥 말만 한 건가요?

답: 관련 코드에 많은 최적화를 적용했습니다. 주요 내용은 다음과 같습니다:

1. 자동화된 모델 탐색: 일정한 모델 세트에서 다양한 융합 모델을 자동으로 생성합니다. 이는 파라미터 튜닝이나 모델 선택의 자동화 과정과 유사하지만, 모델 융합에 집중합니다.

2. 유클리드 거리 기반 차이 분석: 두 LoRA(Low-Rank Adaptation) 모델의 가중치 차이를 비교하는 데 사용됩니다.

차이 분석에서 유클리드 거리는 두 모델의 가중치 차이를 수치적으로 정량화합니다. 구체적으로:

가중치 표현: 각 LoRA 모델의 가중치는 고차원 공간상의 한 점으로 간주할 수 있으며, 가중치의 각 요소는 공간의 한 차원에 대응됩니다.

차이 계산: 두 모델의 동일한 가중치 간 유클리드 거리를 계산하면, 고차원 공간에서 두 가중치의 상대적 위치 차이를 나타내는 수치를 얻을 수 있습니다.

차이 해석: 유클리드 거리가 크다는 것은 두 모델이 해당 가중치에서 더 큰 차이를 가진다는 의미이며, 작은 거리는 더 유사함을 의미합니다.

이 차이 분석은 모델 융합 결정을 안내하는 데 사용됩니다. 예를 들어, 두 모델이 특정 가중치에서 크게 다르다면, 이 가중치를 특별히 처리하여 융합된 모델이 원래 두 모델의 특징을 효과적으로 결합할 수 있도록 해야 합니다.

이러한 최적화는 전적으로 제 개인 자료에 기반하여 이루어졌습니다. 제 자료는 일부 특수한 특징을 가지고 있어, 전통적인 차이 추출과는 달리 일부 타협이 필요했습니다.