Pastelflat 🖍️ by Huggy

💡 사이트에서 "huggy"를 검색하여 내 모든 모델을 찾아보세요.

💡 모델은 자주 업데이트되므로 최신 버전을 사용하려면 자주 확인하세요.

💡 Civitai는 올해 초(2024년) 백엔드를 A1111에서 ComfyUI로 전환했습니다.这意味着您无法再使用去年的提示词或随机种子生成相同的图像。最好删除所有权重值，从头开始。

최신 버전은 1280 × 960(4:3 비율)로 학습되었지만, Civitai에서 1216 × 832(7:11 비율)로 생성할 경우 비율 불일치로 인해 특히 Pony XL 및 illustrious 베이스 모델에서 긴 목과 같은 왜곡이 발생할 수 있습니다. 이 또한 flux로 전환해야 하는 또 다른 이유입니다.

말하고 싶지 않지만, 내 대부분의 LoRA는 DucHaiiten Pony 베이스 모델과 호환되지 않습니다.

이것은 2024년 6월에 제작한 내 첫 번째 3개의 LoRA 중 하나이자 초기 실험 프로젝트입니다. 1024 × 1024 비율의 53장의 이미지로 학습되었으며, 사실적인 그림, 최소한의 평면 애니메이션, 샤프필 일러스트레이션을 특징으로 합니다. 세 달간의 반복을 거쳐 약 300장의 이미지를 사용해 추가적인 사실적인 회화 및 사진적 스타일을 포함한 다양한 버전으로 발전했습니다. 29개의 LoRA 실험을 거친 후, 나는 이 원본 LoRA로 돌아와 다시 시작해보려고 생각합니다.

📒 유용한 팁:

• 올바른 베이스 모델을 사용하고 있는지 확인하세요. Pony LoRA는 SDXL/SDXL 일러스트레이티브에서 일관되게 작동하지 않습니다.

• Civitai의 샘플 이미지 모두는 A1111 백엔드로 생성되었습니다. ComfyUI를 사용할 경우 프롬프트 내 모든 태그 가중치 값을 제거하고 CFG, 스텝 등의 기타 설정은 무시하세요.

• LoRA 이름이 나타내듯, 학습 이미지는 파스텔 및 평면 스타일을 중심으로 선별되었습니다. 이 효과를 얻기 위해서는 "애니메이션, 파스텔 드로잉, 평면 드로잉"과 같은 추가 태그를 사용해야 합니다(이것은 버전 2에는 적용되지 않습니다). 하지만 나는 일반적으로 이 LoRA를 캐릭터 LoRA로 사용하며, 결과가 좋기 때문입니다.

• 모든 생성에 맞는 보편적인 프롬프트/LoRA 가중치는 존재하지 않습니다. 사실적인 체크포인트와 애니메이션 스타일/캐릭터 LoRA를 사용할 경우, LoRA 가중치를 0.7과 같이 낮게 시작하세요. 샘플 이미지의 LoRA 가중치는 무시하세요. Civitai 버그로 인해 온라인 생성 이미지는 실제 값과 상관없이 항상 LoRA 가중치 1로 표시됩니다.

• 근접 초상화의 경우 시작 스텝 값을 22로, 전신 또는 커플샷의 경우 34로 시작하세요.

• 학습 파일은 주로 단일 캐릭터에 초점을 맞추고 있습니다. 즉, 커플 이미지를 생성하려고 할 경우 예상치 못한 결과가 나올 수 있습니다. 이 문제를 해결하려면 여러 인물로 학습된 추가 LoRA(예: ExpressiveH) 또는 포즈 LoRA를 사용해야 합니다. 좋은 다중 인물 LoRA는 커플, 삼인조, 또는 그룹 인물의 다양한 포즈를 포함해야 하며, 이는 분명히 어려운 작업입니다.

• 이 LoRA는 손, 눈, 액세서리 보정을 위해 네거티브 프롬프트에 의존합니다. 참고용으로 내 샘플 이미지를 확인하세요.

🖍️ 버전 V2 변경사항:

1. 샤프필 일러스트레이션 스타일의 원본 이미지를 제거하여 눈 그리기 품질을 개선했습니다.

2. 학습 소스 해상도를 증가시켰습니다.

3. 학습 스텝을 1000으로 줄였습니다.

📒 미러링

Modelslab 및 yodayo와 같은 일부 사이트가 내 모델을 봇을 통해 미러링하고 있음을 확인했습니다. 특히 SeaArt는 다운로드 및 생성 수치가 매우 높습니다.

1. 모델을 미러링하는 것에는 문제가 없습니다. civitaiarchive와 같은 사이트는 항상 그렇게 해왔습니다.

2. 사용자가 모델을 다운로드하는 것을 막고 유료 온라인 서비스로만 유도하는 것은 문제가 됩니다.

3. 저작권을 주장하거나 사용자에게 생성물의 소유권을 부여하는 것은 문제가 됩니다. 이 모델들은 오픈소스 기반에 limited-ownership 데이터로 학습된 오픈소스 모델입니다. 누구도, 심지어 나조차도 저작권을 주장할 수 없습니다. 단지 출처를 명시하는 것으로 충분합니다.