Tutu’s HiSilk (large fishnet stockings and pantyhose)/图图的嗨丝（大网渔网袜连裤袜）

튜튜의 하이 실(큰 네트 양말 및 팬티스타킹)

커뮤니케이션 Q 그룹: 950351015, 놀고 정보를 교환하세요.

다시 부끄러워지기 시작했다.

C사이트에는 유용한 큰 네트 양말이 없거나, 다른 옷과 결합되어 있거나, 별로 쓸모가 없다. 이는 사실상 SD1.5 해상도 문제 때문이다.

이 LORA는 현재 내가 보유한 모든 모델링 기술을 통합한 것이다. 예, 모두다. 차이 추출법 3.0을 기반으로 업그레이드되고 개선되어 실제 촬영을 통해 제작되었다.

가중치를 1로 설정하면 되며, 시도하거나 조정할 필요가 없다.

사용 편의를 위해, 향후 내가 만든 모든 LORA 트리거 단어는 tutututu, 네 개의 'tu'로 통일한다.

왜 이 LORA를 만들었는가?

비슷한 LORA가 많지만, 나는 이들 대부분이 현실과 너무 멀리 떨어져 있다고 느꼈다. 현재 인기 있는 많은 옷들이 포함되지 않았고, 사실감도 충분하지 않았다.

또한 품질이 불균형하다. 많은 LORA가 캐릭터 자체와 이미지에 지나치게 영향을 미쳐 사용하기 불편하다. 그래서 나는 일련의 의상 LORA를 제작하려 한다.

옷을 명시하지 않으면, 캐릭터가 종종 네트 양말을 신는 경우가 있는데, 이는 기본 모델과도 큰 관련이 있다. 로퍼나 하이힐을 지정하면, 캐릭터는 자연스럽게 신발을 신는다.

사용 방법:

1. LORA를 올바르게 사용하세요.

2. CLIP 종료 레이어 수는 2로 설정하는 것을 권장합니다.

3. 가중치는 1로 설정하세요.

4. 트리거 단어: tutututu, fishnetpantyhose

5. 부정적 프롬프트를 너무 많이 추가하지 마세요. 그렇지 않으면 LORA 효과에 영향을 줄 수 있습니다.

6. 프롬프트 가이던스 계수(CFGScale)는 7부터 시작해 시도해 보세요.

사용 중 문제가 발생하면 메시지를 남겨주세요.

당신의 작품을 기대합니다!

당신의 작품을 기대합니다!

당신의 작품을 기대합니다!

성명:

1. 이 모델을 사용해 생성한 모든 창작물에 대해 전적으로 책임을 지셔야 합니다.

2. 이 모델을 사용하여 불법적이거나 해로운 출력 또는 콘텐츠를 의도적으로 생성하거나 공유하지 마시고, 악의적, 해로운, 명예훼손, 사기 또는 정치적 목적에 사용하지 마십시오.

3. 이 모델을 상업적 목적으로 사용하실 경우, 저에게 알려주시면 감사하겠습니다.

자주 묻는 질문:

1. 차이 추출법이란 무엇인가요?

이름 그대로, 간단히 말해 차이를 추출하여 LORA를 만드는 것입니다. 일반적인 LORA는 이미지를 직접 학습하여 만드는데, 이 방식으로 학습된 LORA는 기본 모델과 다른 환경 요인에 의해 오염되기 쉽고, 이미지 생성 시 예상치 못한 영향을 미칩니다. 차이 추출법으로 제작된 LORA는 이러한 오염을 제거하여, LORA의 가중치를 높게 설정해도 이미지에 미치는 오염이 매우 적고, 모델 품질이 더 좋아집니다. 차이 추출법은 제작이 더 복잡하며 더 많은 단계가 필요합니다.

2. 왜 이 LORA를 만들었나요?

비슷한 LORA가 많지만, 나는 이들 대부분이 현실과 너무 멀리 떨어져 있다고 느꼈다. 현재 인기 있는 많은 옷들이 포함되지 않았고, 사실감도 충분하지 않았다.

또한 품질이 불균형하다. 많은 LORA가 캐릭터 자체와 이미지에 지나치게 영향을 미쳐 사용하기 불편하다. 그래서 나는 일련의 의상 LORA를 제작하려 한다.

3. 왜 저는 당신과 같은 사진을 만들지 못하나요?

모든 사람의 컴퓨터 사양과 운영 환경이 다르며, 사용하는 LORA 및 플러그인 버전, 플러그인 설정 등도 다릅니다. 따라서 똑같은 사진을 추구하지 마시고, 자신의 완벽한 작품을 만들어 주세요!

4. 어떻게 연락할 수 있나요?

LORA를 맞춤 제작하거나 다른 협업 의도가 있으시면, 여기에 메시지를 남기거나 Q 331506796로 연락해 주세요(목적을 명시해 주세요).

5. 차이 추출법에 어떤 최적화를 했나요? 아니면 그냥 대충 말하는 건가요?

답: 관련 코드에 대해 많은 최적화를 수행했습니다:

1. 자동화된 모델 탐색: 일련의 모델에서 자동으로 여러 융합 모델을 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 간 차이를 정량화하는 데 사용됩니다. 구체적으로:

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

차이 계산: 두 모델의 대응하는 가중치 사이의 유클리드 거리를 계산함으로써, 고차원 공간에서 두 가중치의 상대적 위치 차이를 나타내는 수치를 얻을 수 있습니다.

차이 해석: 더 큰 유클리드 거리는 두 모델이 해당 가중치에서 더 큰 차이를 가짐을 의미하고, 더 작은 거리는 더 유사함을 의미합니다.

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

이러한 최적화는 모두 제 자신이 보유한 자료에 기반하여 이루어졌습니다. 제 자료는 일부 특수한 특성을 지니고 있기 때문에, 전통적인 차이 추출과는 다릅니다. 일부 타협이 필요합니다.

즐거운 시간 되세요.