Happy Meek (Happy Mik) (Umamusume)

Umamusume: Pretty Derby의 Happy Meek (공식 표기: Happy Mik)를 주제로 한 LoRA 모델로, 72개의 팬아트를 기반으로 제작됨.

한 명의 캐릭터가 얼마나 많은 바이트를 차지할지 알아보려는 탐색의 산물. 그 크기는 아마도 1MB보다 작을 것임.

다음과 같은 4종의 버전이 제공됨:

• Rank-1 LoRA
• Rank-4 LoRA
• Rank-16 LoRA
• Rank-4 Hadamard 곱 LoRA

(현재 Civitai의 모델 버전 업로드 기능이 내게는 작동하지 않기 때문에, 4가지 버전은 지금 당장 HF 저장소에서만 이용 가능)

명확한 우승자는 없어 보이지만, 이 실험은 하이퍼파라미터 조정 없이 n=1로만 수행된 결과이므로 대표성이 떨어질 수 있음. 높은 순위의 버전이 다양한 옷차림을 더 자연스럽게 표현하는 것처럼 보임.

사용법

캐릭터 태그는 mik임.

상위 관련 태그들:

1girl, animal ears, horse ears, solo, hair ornament, flower, hair flower, hairclip, looking at viewer, shirt, horse girl, short sleeves, pink eyes, medium hair, bow, blush, tail, blunt bangs, horse tail, puffy sleeves, puffy short sleeves, skirt, closed mouth, upper body, gloves, bowtie, white shirt, white gloves, jacket, pleated skirt, white jacket, twitter username, grey hair, brooch, jewelry, vest, simple background, artist name, short hair, red eyes

특정 복장에 대한 정보는 미리보기 이미지 또는 데이터셋을 참고하시기 바람.

학습 정보

데이터셋: Danbooru 및 Pixiv의 72개의 팬아트

Non-booru 이미지들은 SmilingWolf/wd-v1-4-convnextv2-tagger-v2를 사용해 임계값 0.35로 태깅됨.

학습 비용: 약 0.5 T4시간당

학습 설정 (dims 설정을 제외한 공통 항목):

[model_arguments]
v2 = false
v_parameterization = false
pretrained_model_name_or_path = "Animefull-final-pruned.ckpt"

[additional_network_arguments]
no_metadata = false
unet_lr = 0.0005
text_encoder_lr = 0.0005
network_dim = 4
network_alpha = 1
network_train_unet_only = false
network_train_text_encoder_only = false

[optimizer_arguments]
optimizer_type = "AdamW8bit"
learning_rate = 0.0005
max_grad_norm = 1.0
lr_scheduler = "cosine"
lr_warmup_steps = 0

[dataset_arguments]
debug_dataset = false

[training_arguments]
save_precision = "fp16"
save_every_n_epochs = 1
train_batch_size = 4
max_token_length = 225
mem_eff_attn = false
xformers = true
max_train_epochs = 50
max_data_loader_n_workers = 8
persistent_data_loader_workers = true
gradient_checkpointing = false
gradient_accumulation_steps = 1
mixed_precision = "fp16"
clip_skip = 2
lowram = true

[sample_prompt_arguments]
sample_every_n_epochs = 2
sample_sampler = "k_euler_a"

[saving_arguments]
save_model_as = "safetensors"