shaosiming_少司命——秦时明月

The 2.0 model version was trained using Qiuye's LoRA integration package, where all images with transparent backgrounds in the original dataset were changed to white backgrounds, and no uniform resolution cropping was performed. The integration package was trained on a mobile 3080 GPU. With the same amount of training data, training time is approximately 30 minutes, resulting in a smaller model size and improved performance, eliminating the blurry effect seen in the 1.0 version. It's also easier to combine with other models, no longer causing the entire image to appear overly purple. LoRA model weights between 0.5 and 0.8 yield the most stable results; when above 0.6, veil-like artifacts may appear.

秦时明月少司命的LoRA模型，由于可获取的高清图片较少，训练数据集质量较差，大多为视频截图或宣传海报图。以国风3（guofeng3_v32.ckpt [0bb33c7041]）模型为底模，基于Dreambooth插件进行LoRA训练。最终在底模权重为1时，脸部识别率较高；使用底模时，面纱出现概率超过一半，其他模型几乎无法生成面纱，且脸部辨识度较低。服装较为复杂，未做单独训练，因此还原度也不高。这是本人首次训练模型，难免存在诸多不足，但尚可一用，期待未来能有更优版本。

（经本人在多个底模上测试，发现LoRA权重在1~1.4范围内表现较佳，若未出现面纱，可适当增强veil这一tag）

2.0版本模型采用秋叶的LoRA整合包进行训练，将原数据集中透明背景的图片全部替换为白色背景，且未进行统一分辨率裁剪。使用移动端3080显卡通过整合包训练，相同数据量下训练时间约30分钟，生成包体积更小，效果更优，不再出现1.0版本的模糊问题。与各类模型兼容性提升，画面不再泛紫。2.0版本LoRA模型权重在0.5~0.8之间效果最稳定，权重超过0.6时容易生成面纱。

当权重设为0.4时，可保留模型主体特征，同时提供更大自由度以更换姿势、服装和背景，生成更具通用性但还原度稍低的图像。

初始分辨率为540x960，采用R-ESRGAN 4x+放大算法，重绘幅度0.3放大2倍进行高清修复；随后使用图生图SD upscale脚本，选择相同算法，重绘幅度0.1进行超分放大，可获得较为理想的4K高清图像。（该方法第一步直接生成1080P图像，依赖生成质量，难以批量处理，16G显存最多同时生成4张图片，出图与修图效率较低，但图像质量较高）

shaosiming_少司命——秦时明月 - v2.0 | 吐司 [Blocked Link] (tusiart.com)（可在此在线运行生成图像查看效果，需开启高清修复以“看脸抽卡”，速度尚可，每日有免费额度）

模型类型	LORA
基础模型	SD 1.5
发布时间	5/9/2023
训练词汇	1girl veil purple eyes armor dress thighhighs thigh boots

shaosiming_少司命——秦时明月

详情

下载文件

关于此版本

模型描述

此模型生成的图像