Ponytail LECO Experimental

警告：作为LECO，它是一个失败品，但或许能为模型提供最后的推动力，实现高马尾或低马尾效果。

结果发现，我尝试的几十个动漫模型都无法生成高马尾和低马尾。于是我猜测，可能只是这些概念训练不足，于是创建了一个LECO来尝试解决。结果完全失败。

后来我开始思考，理论上可以将一个低马尾（N15G）和一个高马尾（golkolea）的LoRA混合进一个模型，再基于这个混合模型训练LECO。毕竟，我坚信所有模型其实都“知道”这些标签，只是无法表达出来。

结果……勉强有效。生成的LECO在-1.5到1.5之间存在一个巨大的“无效区”，基本没有任何效果；只有当权重低于-1.5到-2，或高于1.5到2时，它才开始起作用，但之后就会“烧掉”。

我也因此学到了很多关于马尾的知识，其中一些仍然适用于这个LECO：

• SD模型对正面视角有偏见，因此任何类型的马尾通常只会在侧面、背面或四分之三视角下生成。

• 动漫SD模型对马尾位置的偏见极其严重——它们倾向于生成比平均位置更高的马尾，但又不是真正的“高马尾”，也不是从后脑勺正中下方自然下垂的样子，而是像这样 / 而不是 —。

总之，简而言之，这个LECO存在诸多限制：

• 当画面中原本已存在马尾时，有80%的概率能起作用。

• 需要非常高的权重才能克服模型本身的偏见，推荐使用1.5到2.2之间的权重。

• “高马尾”和“低马尾”这两个概念与普通马尾冲突，且训练强度很大，导致模型在2.2时就开始“烧掉”。

• 使用范围非常狭窄。

• 效果区间：-2.2 可用，-1.5 无效果，1.5 可用，2.2 烧掉。

我对这个结果并不满意，但这是一个有趣的实验。如果将来有时间，我可能会做一个更完善的V1版本。

我会在额外资源中附上我用来训练这个LECO时混合进模型的LoRA。如果你真的需要高马尾或低马尾，也可以直接使用它们。

对感兴趣的人说明一下，我通过使用kohya的LoRA合并工具（sd_scripts\networks），以如下方式合并了两个LoRA，成功让NAI具备了生成高马尾和低马尾的能力：

py merge_lora.py --sd_model D:\wifediff\stable-diffusion-webui\models\Stable-diffusion\final-pruned.ckpt --save_to model_lora_merge.safetensors --models D:\wifediff\stable-diffusion-webui\models\Lora\Super_highhigh_ponytail_hair-000002.safetensors D:\wifediff\stable-diffusion-webui\models\Lora\low_ponytail-1.0.safetensors --ratios 0.3 0.5