Deep Negative V1.x

이 임베딩은 무엇이 진짜 이름도 없이 싫증나는지 알려줄 것입니다 🤢🤮

그러니 꼭 음성 프롬프트에 넣어주세요 😜

⚠ 이 모델은 SDXL용으로 훈련되지 않았으며, SDXL에서 사용 시 예기치 않은 결과를 초래할 수 있습니다.

SDXL을 사용하신다면 다음을 추천드립니다 👇

다른 딥네거티브:

[특별 안내] 웹UI에서 다음 오류 메시지가 나타날 경우:

- CUDA: CUDA error: device-side assert triggered

- Assertion -sizes[i] <= index && index < sizes[i] && "index out of bounds" failed

- XXX object has no attribute 'text_cond'

75T가 아닌 다른 모델 버전을 사용해보세요.

> 이유는 대부분의 스크립트들이 너무 긴 음성 프롬프트(75 토큰 이상)를 올바르게 처리하지 못하기 때문입니다. 따라서 더 작은 토큰 수 모델을 선택하면 상황이 개선됩니다.

이 임베딩은 손상된 인간 해부학, 불쾌한 색상 조합, 뒤집힌 공간 구조 등과 같은 부자연스럽고 역겨운 구성 및 색 구성 요소를 학습합니다. 이를 음성 프롬프트에 포함시키면 이러한 문제를 상당히 효과적으로 줄일 수 있습니다.

토큰당 벡터 수

64T: 다양한 데이터셋에서 30,000단계 이상 훈련

75T: 임베딩 최대 크기 제한, 특수 데이터셋(여러 SD 모델에 의해 생성되고 특수 역처리된 데이터)에서 10,000단계 훈련

75T: 가장 사용하기 쉬운 임베딩. 특수한 방식으로 정확한 데이터셋에 의해 훈련되었으며, 거의 부작용이 없음. 다양한 사용 사례를 충분히 커버할 수 있는 정보를 포함하고 있음. 다만, 일부 "잘 훈련된 모델"에는 효과가 덜 미칠 수도 있고, 변화가 부드럽고 지나치게 뚜렷하지 않을 수 있음.
64T: 모든 모델에 적합하나 부작용이 있음. 최적의 가중치를 찾기 위해 약간의 튜닝이 필요함. 추천 설정: [( NG_DeepNegative_V1_64T :0.9) :0.1]
32T: 유용하지만 너무 큼
16T: 나쁜 해부학을 그리는 확률을 줄이지만, 얼굴이 추잡해질 수 있음. 건축 수준 향상에 적합
4T: 나쁜 해부학을 그리는 확률을 줄이지만, 조명과 그림자에 미치는 영향은 미약함
2T: 75T처럼 사용하기 쉬우나, 효과는 약간 떨어짐

딥드림 알고리즘을 사용하여 SD가 정말로 역겨운 것들을 배우게 하였습니다. 데이터셋은 이미넷-미니(데이터셋에서 임의로 1000개 이미지 선정)입니다.

딥드림은 정말정말정말정말로 역겨운 결과를 낳으며, 이 모델을 훈련하는 과정에서 실제 신체적 불쾌감을 경험할 정도였습니다 😂