Dungeon & Fighter style (DNF style&DFO style) Style Noob sdxl pony sd1.5
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
sd1.5 v1 초기 모델로, 통합 또는 조정이 이루어지지 않아 일반적인 효과를 보입니다. 필요에 따라 다운로드할 수 있으며, 얼굴이 왜곡되는 경우가 있을 수 있으므로 Hires. fix 사용을 권장합니다. 권장 해상도는 7687682이며, 학습 및 출력 기본 모델은 anything-v5-PrtRE입니다.
sd1.5 v2는 얼굴 학습 데이터를 추가하여 v1 대비 얼굴 표현이 개선되었으나 여전히 Hires. fix 사용을 권장합니다. 얼굴 데이터 외에도 개인 취향에 따라 다른 LoRA를 일부 통합하여 개선되었습니다. 학습 및 출력 기본 모델은 anything v5 prtre입니다.
SDXL 버전은 권장 가중치 0.8을 사용하시기 바랍니다. 0.3~0.6 범위의 가중치로 생성하면 이상한 이미지가 생성되며, 0.3 미만이면 매우 단순한 스타일의 이미지가 나옵니다. XL은 제가 별로 사용해보지 않아 이런 현상은 처음 보는데 흥미롭습니다. 해상도는 10241024 이상이면 충분하며, 권장 해상도는 11521152입니다. 세로 또는 가로 비율이 지나치게 긴 해상도는 허리가 너무 길어지는 문제가 생길 수 있으므로 피하세요. 학습 및 출력 기본 모델은 animagineXLV31_v31입니다. 본 모델은 오직 오락용이며, 상업적 이용 또는 불법 행위는 절대 금지됩니다.
pony 버전은 DNF 스탠드 아트 약 340장으로 학습한 pony LoRA입니다. 며칠 간 학습했지만, pony는 잘 이해되지 않았고, 캐릭터 학습은 괜찮았지만 스타일 학습은 매우 어려웠습니다. 누군가에게 학습을 맡긴 버전과 제가 직접 학습한 버전을 모두 만들어봤는데, 전반적으로 괜찮은 품질을 보입니다. 프롬프트는 ‘dnf’를 사용하고, pony LoRA 가중치는 계속 실험 중이었고, 미리보기 이미지에는 1을 사용했습니다. 더 실제에 가깝게 만들고 싶다면 1.5까지 올려보세요. 따라서 권장 가중치는 0.8~1.5 사이이며, 필요에 따라 조정하세요. 캐릭터 LoRA와 병합할 경우, 총 가중치가 1을 넘지 않도록 주의하세요. 그렇지 않으면 이미지가 매우 나빠집니다. 출력 최적화 문구는 masterpiece, best quality, score_9, score_8_up, score_7_up, score_6_up이며, 실제로 효과가 있는지는 확신할 수 없고, 너무 주관적입니다.
v2 버전은 일부 데이터를 분리하여 학습한 후 v1 버전과 통합하여, 전반적인 스타일이 v1보다 더욱 안정화되었습니다. 권장 가중치는 0.60.8이며, 더 실제에 가깝게 만들고 싶다면 1을 시도해보세요. 캐릭터 LoRA를 사용할 경우 0.40.6 사이 권장하며, 특히 DNF 캐릭터 중심 LoRA일 경우 더욱 그렇습니다. 반신상의 경우 일반 해상도로 충분하며, 전신 스탠드 아트의 경우 해상도를 높여야 합니다. 15361536 이하 해상도에서는 얼굴 왜곡이 발생할 수 있으며, 20002000 이상 해상도로 늘리면 이 현상이 줄어듭니다.
3.0 버전. 이 버전은 얼굴과 약간의 픽셀 스타일을 추가했지만 픽셀 스타일은 강하지 않고, 얼굴 학습 효과는 매우 뚜렷합니다. 얼굴 비중이 높은 그림에서는 2.0 버전보다 더 낫습니다(여성 캐릭터의 얼굴은 2D 스타일로 더 뚜렷해지고, 반신상에서는 자연스러워집니다). 스타일적 변화는 크지 않으며, 사실상 반신 전용 버전이라고 할 수 있습니다. 반신상에는 832*1216 해상도 권장, 전신상은 고해상도 복원(적어도 1800 이상 해상도가 필요)이 필수입니다. 훈련 데이터 중 몬스터 및 남성 캐릭터가 약 1/4를 차지하므로, 몬스터나 남성 캐릭터도 생성 가능합니다. NSFW 효과는 테스트하지 않았습니다. 권장 가중치는 0.6~0.8, CFG 5입니다.
noob 버전은 noobxl의 v 예측 0.75를 기본으로 하여 몇 개의 LoRA를 학습하고 통합한 버전이며, DNF 스탠드 아트 등을 학습 자료로 사용했습니다. eps1.1 및 v 예측 0.65에서 정상 작동합니다(기타 모델은 테스트하지 않음). 그러나 v 예측 0.75와 비교해 약간의 차이가 있을 수 있으며, 권장 가중치는 0.8입니다.
pixiv: 05 - pixiv


















