Trending on Civitai [Leco score]

Leco score를 사용하여 학습 (https://civitai.com/articles/5416)

데이터셋은 CivitAI에서 가장 많은 반응을 받은 5천 장의 이미지(긍정 레이블)와 임의로 선택된 1만 장의 이미지(부정 레이블)로 구성됩니다.

가중치: 0.2~1.5

비고:

• 1.5는 최적의 가중치가 아닙니다. 좋은 시드를 선택한 후, 0.3에서 1.5 사이의 가중치를 시도해 보세요(모든 가중치는 서로 다른 결과를 제공합니다).

• PartiPrompts에 따라 AnyLora와 LecoScoreV2를 사용해 3000스탭 동안 학습되었습니다.

• 이 데이터셋으로 점수를 학습하는 것은 불안정합니다(매우 우수한 이미지와 보통의 이미지 사이의 차이가 매우 작기 때문에, 네트워크가 매번 유행하는 이미지의 다른 특성을 포착할 수 있습니다).

• 기준(유행하는 이미지)은 좋지 않습니다. 주된 이유는 이 기준이 많은 팔로워나 매우 '대중적인' 테마를 나타낼 수 있기 때문입니다. 저는 이미지를 클릭할 때 나타나는 '눈' 아이콘과 숫자로 표현된 '뷰당 긍정 반응 수'를 선호하지만, 이 역시 매우 잡음이 많습니다.

• 데이터셋이 포함되어 있습니다(이 데이터셋으로 학습하고 싶은 경우).

• 예시 이미지는 때때로 Lykon 유니버스 내에서 렌더링됩니다(이 모델은 AnyLora로 학습된 후 Dreamshaper, Fast Negative, Easy Negative를 사용했습니다). 다른 모델들을 위해 Lykon 부정 텍스트를 제거해야 했습니다.

• -> 알파 버전

편집:

• 이 모델에 대해 저를 괴롭히는 점이 하나 있습니다. 바로 '대중적인 미학'입니다. 다양한 색상, 보케, 바비 인형 같은 신체 비율 등이 특징입니다. 즉, 예술적 감각이 완전히 결여되어 있습니다(거칠지만 감동적인, 추잡하고 귀여운(gurokawai), 완벽한 몸매보다 매력적인 외관).

• -> 저는 '사람들의 내재된 이미지 유형'이라는 슬라이드를 포함한 강의를 들었습니다. 그 강의에서는 신선한 음식(스톡 이미지)과 썩은 음식의 사진을 비교하며, 우리는 생물학적·진화적으로 신선한 음식의 이미지를 선호하도록 구성되어 있어 독성 없는 음식을 먹도록 유도된다고 설명했습니다(그러나 저는 무정형의 스톡 이미지가 정말 싫었습니다. 마치 눈을 위한 패스트푸드처럼 느껴졌죠). 이와 유사한 모델은 수천 명의 평균적 판단을 바탕으로 단순히 저차원 심리적 편향(신선함을 위한 다양한 색상, 여성의 고환이하 비율, 언캐니 밸리 배제 등)을 학습할 가능성이 있습니다.

• 따라서 이 LoRA 및 미학 점수는 '좋은 그림 실력'(좋은 예술)과 '인간의 뇌가 진화적 이유로 즐기는 미학적 요소'(내재된 즐거운 예술적 내용)를 구분할 수 없을 가능성이 있습니다. 오직 하나의 '미학 점수'만 존재합니다.

• 관련하여 인터넷에서 발견한 내용: