djz GingerTomCat V21-768 / V21-512-inpainting / V15

• 更新 - 2023年2月4日：新增V15版本

• 更新 - 2023年1月19日：Johnson一直在进行实验，并将其交由我添加至此列表：
  djzGingerTomCatV21-512-inpainting
  请使用下方提供的 SD-V21-512-inpainting.yaml 配置文件
  我们建议使用“latent nothing mask”模式。

该模型结合了由 DriftJohnson 创建的两个 GingerTomCat 数据集，并通过两种文本反演进一步增强：
the KittyPics 嵌入，由 stille_willem 提供，以及
the Point-E 负向嵌入，由 Doctor_Diffusion 提供

3x3网格展示了两个嵌入的使用效果，2x2网格显示了相同种子输出的结果，附带了一些推荐的超分辨率设置。

展示作品致谢：DriftJohnson

“强风格”模型旨在与其他模型以及任意 Stable Diffusion 2.1 模型进行合并使用——当然，你也可以像普通模型一样不使用触发词直接使用。

我建议以 0.5（50/50 混合）的比例进行合并，然后通过提示权重控制美学渐变。

使用 automatic1111 合并模型的提示示例：

(GingerTomCat:1.2) (yourmodeltoken:0.8)

若去掉“djz”和“V21”，剩余部分即为调用模型中该概念所需的令牌。所有示例均使用原始令牌，未添加其他词汇。令牌区分大小写，在几乎所有模型中，其匹配方式与文件名一致。

这些模型之间也可使用不同数值进行合并。可以将模型配对后，再对合并结果进行再次合并。通过这种方式，我们可以将抽象概念融合，并通过权重调整令牌，以实现我们期望的效果。
当然，若想完全消除这些令牌，只需基于输出训练一个新的自定义模型即可，这意味着最终将回归到单一令牌。

视频说明即将发布，目前以上内容应已足够清晰。我们致力于将尽可能多的风格/美学模型交付给艺术家，以进一步激发他们本已丰富的创造力。

艺术自由，人人共享！

[所有用于训练的原始艺术作品均已获得 Drift Johnson 的完整授权]