PonyXL 模型的 Fursuit 头部 LoRA

PonyXL 能理解“fursuit”的概念，但无法理解“部分 fursuit”或“fursuit 头部”的概念，即便如此，生成质量也往往参差不齐。

该 LoRA 使用 OneTrainer 和 Prodigy 算法，在 76 张高质量图像上训练了 10 个周期、每个周期重复 2 次。这些图像展示了不同姿势下穿着多种物种 fursuit 头部的人。训练过程中使用了掩码训练和强烈的图像提示，以专注于 fursuit 头部本身的概念。

训练基于一个 Everclear 和 Pony Realism 的自定义模型合并体。

数据集由 50% 真实照片和 50% 插画组成，其中 SFW 与 NSFW 的比例为 25:75。尝试了 50% 男性和 50% 女性比例，但数据集主要由男性构成。

推荐设置：

关键词：

furryzsuithead mask

负面提示：

Complex Mask, Feral

情境性负面提示：

Tail, Gloves, Shoes, Paws, Anthro

推荐权重范围（最小-最大）：

0.4 - 0.8

推荐精确权重范围：

0.55 - 0.75 （视提示而定）

注意事项与考量：

• XY 提示未使用推荐的负面提示生成，因此其质量与示例图像存在差异。

• 当标签前缀为 [\物种\] AND/OR [\毛色/鳞片颜色\] furryzsuithead mask 时，LoRA 表现良好（如示例图像所示），但物种越小众、面部结构越不“标准”，其遵循度越低（带有明显吻部的物种表现最佳）。

• 由于训练中使用了“Mask”作为分类器，基础模型中与“面具”相关的颜色和风格（如典型的墨西哥风格面具）可能因提示而渗入；通过提高权重、颜色提示，并在负面提示中加入“Complex Mask”，通常可有效缓解这一问题。

• 虽然 NSFW 生成通常不需要在正提示中包含“human”，但即使使用推荐的负面提示，SFW 生成仍倾向于生成毛绒玩具动物而非人类，因此在正提示中添加“human”通常是必要的。

• 我并非 LoRA 训练专家，因此该 LoRA 可能会以不太理想的方式改变图像构图并影响图像其他部分，不过权重越低，这种影响越不明显。

• 尽管掩码训练有所帮助，但由于训练数据高度依赖提示，预期其他提示标签也会在一定程度上受到影响。

• 由于训练所用模型是写实模型，而我没有下载非写实模型，因此无法判断它在非写实模型中的表现，欢迎分享你的测试结果！

如果你对如何缓解上述问题有任何建议（无论是当前版本还是未来版本），请告诉我！

OneTrainer 参数：

LoRA 秩：

128

LoRA Alpha：

2

Dropout 概率：

0.01

优化器：

Prodigy

调度器：

Cosine

周期数：

10

每个周期重复次数：

2

学习率（LR）：

1

学习率周期数（LR Cycles）：

1

批次 + 累计：

1

停止训练文本编码器于：

8 个周期后

停止训练 Unet 于：

永不

噪声权重：

-0.1

噪声偏差：

0.45

非掩码权重 + 概率：

0.09

MSE 强度：

0.75

MAE 强度：

0.25

损失权重函数：

Debiased Estimation

Prodigy 设置：

Beta 1：

0.9

Beta 2：

0.995

EPS：

1e-08

权重衰减：

0.005

解耦：

True

安全预热：

True

偏差校正：

False

初始 D：

1e-06

D 系数：

1

增长率：

inf