Manything，一个概念验证

此模型是一个简单的概念验证，目标明确：验证是否有可能解决困扰大多数SD模型的“相同面孔”问题。

名称是一种文字游戏，源自本次测试所使用的基础模型 Anithing，同时也暗示了让模型能够生成多种面孔的意图。

问题

“相同面孔”问题广为人知，存在于各种风格的许多模型中。由于模型长期相互合并，如今几乎难以找到不生成同一个女孩面孔（仅更换发型和服装）的模型，除非使用“黑魔法”强行迫使模型生成其他内容。

更复杂的是，这种面孔已蔓延至许多概念中，只要使用这些概念，模型就会自动生成这张脸。例如：

1girl, girl, woman, female, human, person, realistic, hyperrealistic, photo, photorealistic, masterpiece, best quality, ...

此外，该面孔还与图像的关键部分（如阴影、构图等）紧密关联，使得修复并非易事。

在某些情况下，“相同面孔”的影响如此极端，甚至在生成男性角色时也能明显察觉。

使用没有此问题的模型时，生成的面孔通常会根据提示的其余部分自然推断，适应上下文，无需强行引导模型。

测试

解决该问题的一种相对简单的方法是：识别模型中导致“相同面孔”的层，并使用加权块合并（WBM）将其替换为没有该问题的模型的对应层，但这会改变模型的整体行为。

相反，我们采用了一种相对简单的迭代过程，在移除“相同面孔”的同时保留模型的其他特性。

结果

虽然无法在完全移除“相同面孔”问题的同时保持模型其余部分与原版完全一致，但测试的初步结果已能更轻松地生成更多样化的面孔，且“相同面孔”女孩的影响已大幅降低。更重要的是，生成的面孔更接近人类的平均特征和比例，而非极易辨识的“相同面孔”AI脸。提示的其余部分将对生成的面孔产生更大影响。

展示的所有图像均使用相同的种子和负面提示，以便在相同条件下对比两个模型。

未来是否会有更多版本，取决于是否进行额外测试；目前我只想验证是否可行。该模型应能使用与原模型相同的设置运行。