Product Design (minimalism-eddiemauro) LORA

使用前须知

你需要了解 Stable Diffusion 的工作原理。我建议使用 Automatic1111 作为界面来启动模型。
这是一个基于 SD 1.5 模型训练的模型，因此你必须意识到它并非完美。我在达到稳定生成效果之前进行了大量测试。当更优秀的基础模型（如新的 SD XL）出现时，我会进一步优化本模型。
这是一个 LORA 模型，建议将其作为 Checkpoint 模型的拓展使用。我推荐使用强调真实感的训练数据集模型。
我建议关注我的 Instagram 账号，我将在那里分享关于 AI 图像生成的讲解：https://www.instagram.com/eddiemauro.design/

简介

产品设计（极简主义-eddiemauro）LORA：大家好，我是一名产品与汽车设计师，非常兴奋能用 AI 进行创作，我认为这是一项极佳的设计工具。这个工具（LORA）在设计过程中（如形状与创意生成）非常有用，更重要的是，它极大提升了美学上的精细化程度。你还可以将草图或3D方案转化为渲染风格图像。我创建了一个基础的 LORA 模型，并与多种 Checkpoint 模型进行了测试，结果呈现出一种独特的“极简主义”风格。这种风格对比度更高（源自 Deliberate 和 Dreamshaper），同时保留了极简主义的特征。这是由我的极简主义 Checkpoint 官方推出的通用 LORA 模型。

如果你希望支持我的工作，帮助我上传更多高质量模型，可以通过以下链接捐赠，我将十分感激：https://ko-fi.com/eddiemauro

安装说明

我使用 Automatic1111，这是 Stable Diffusion 图像生成的最佳 UI 界面，因此我建议你本地安装，或通过 Colab 等在线服务使用。你可以在网上找到相关安装教程或视频。如果你打算本地安装，可在线观看此教程，并推荐你至少拥有 6-8 GB 显存（NVIDIA）的显卡，以确保界面稳定运行，并使用 “Microsoft Edge” 浏览器，因为 “Google Chrome” 可能会出现问题。另外，建议安装 “medvram” 或 “lowvram” 选项，以及 “xformers”（可在网上搜索相关配置方法）。
这是一个 LORA 模型。你可以观看此视频了解安装方法。只需下载文件并放入 LORA 模型文件夹中。LORA 文件扩展名为 “.safetensor”，其大小通常远小于 Checkpoint 模型（Checkpoint 可能超过千兆字节）。
你也需要安装一个 Checkpoint 模型配合使用，建议选择注重真实感、3D 或渲染效果的模型。
请务必遵循我的所有建议进行图像生成，否则难以获得高质量图像。另外，目前 AI 图像生成尚不完全稳定和精准，你需要投入时间并进行大量测试才能达到理想效果。

图像生成建议

最佳 Checkpoint 模型：基于 SD 1.5 的模型。必须使用名为 “Deliberate v2”、"DreamShaper v7"、"A-Zovya Photoreal v1"、"Profantasy v2.2" 或 "Realistic Vision v4" 的模型。请先下载、安装并加载到 SD UI 中。
激活关键词/提示词：在提示词区域中，第一个词必须为：“emauromin” 或 “emauromin style” 以激活该风格。这是强制要求，否则将无法正常工作。
其他推荐提示词：在提示词中可使用以下关键词以增强图像质量：
- 正向提示词：“futuristic, finely detailed, purism, ue 5, a computer rendering, minimalism, octane render, 4k”
- 负向提示词：“(worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((grayscale)), cropped, text, jpeg artifacts, signature, watermark, username, sketch, cartoon, drawing, anime, duplicate, blurry, semi-realistic, out of frame, ugly, deformed”
  你也可以参考示例图像的元数据，模仿生成提示词。
推荐使用 Textual Inversion/Embedding 或 LORA 工具：我认为 “EasyNegative” 是负向提示词空间的最佳 Textual Inversion 工具之一，建议使用。点击此处下载，并将其放入 “embeddings” 文件夹。你还可以使用 “Detail Tweaker” 来进一步减少图像细节，下载地址：点击此处。安装方式与 LORA 相同，并在正向提示词中使用，权重值设为 “-0.5”。当你发现所用 Checkpoint 模型细节过多但并未体现极简风格时，可使用该工具。但它可能会显著改变物体形状。
LORA 权重：我正在努力优化模型，目前该模型在 0.7 到 1.0 范围内表现良好，数值越高，极简风格越明显。有时 0.8–0.9 的值反而比 1.0 表现更佳。
VAE：取决于你所使用的 Checkpoint 模型。通常建议使用标准的 “vae-ft-mse-840000-ema-pruned” VAE。
Clip Skip：训练时使用了 2，因此建议设为 2。
步数（Steps）与 CFG 值（CFG Scale）：建议使用步数 “20–40”，CFG 值 “6–8”，理想设置为：步数 30，CFG 7。后续模型可能需要调整这些值。
采样器（Sampler）：我主要使用 “EulerA”、“DPM++SDE Karras” 或 “DPM++2S a”。Euler 比较简单且更具创造性。如果你喜欢，可尝试其他采样器。
批量生成（Batch）：在 txt2img 模式中，建议将批量值设为 4，以生成多张图像并观察生成效果。如果你显卡性能良好，可使用 “Batch size” 一次性生成 4 张图像，但生成时间会增加；若电脑无法处理，则改为 “Batch count”，该模式会依次生成 4 张图像（非同时），但总生成时间会更长。
图像宽高比：建议使用以下尺寸：512x512、768x512、512x768，也可尝试其他比例。请勿生成过大图像，否则风格可能丢失。若需大图，可使用 txt2img 模式的 “hires.fix”、img2img 的放大方法、Ultimate SD Upscale 脚本扩展 + ControlNet，或使用 GAN 模型进行放大。
生成大图的方法：在 Stable Diffusion 中有四种生成大图的方法，可在线查询具体操作。第一种方法 “txt2img hires.fix”，推荐使用名为 “4x-UltraSharp” 的放大模型，下载地址（只需下载“.pth”文件），然后将其放入 “ESRGAN” 文件夹。在 hires.fix 选项中设置任意“放大倍数”，并使用“去噪强度”为 “0.5–0.7”。第二种方法：先在 txt2img 生成图像，然后切换到 img2img 模式，并将尺寸至少放大 1.5 倍，去噪强度为 “0.3–0.5”。第三种方法：使用与 img2img 相同的配置，但启用 “ControlNet” 扩展的 “tile” 模式，以及 “Ultimate SD Upscale” 脚本，推荐观看此教程。第四种方法：将 txt2img 生成的图像导入 “extras” 模块，选择一款 GAN 模型进行放大，也可使用 “4x-UltraSharp” 模型。
增强创作控制力：使用 “ControlNet” 扩展可更精准地控制图像形状，甚至可配合草图进行测试。推荐使用 “Scribble” 或 “Lineart” 模式。建议安装该扩展并学习使用，网上有大量相关教学视频。
复制提示词用于图像元数据：你可在此处下载我的示例图像，并将其放入 Automatic1111 的 “PNG info” 标签页中。

示例提示词：

正向提示词：
emauromin style, futuristic armchair, finely detailed, purism, ue 5, a computer rendering, minimalism, octane render, 4k lora:eddiemauroLora2:0.8
负向提示词：
EasyNegative, (worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((grayscale)), cropped, text, jpeg artifacts, signature, watermark, username, sketch, cartoon, drawing, anime, duplicate, blurry, semi-realistic, out of frame, ugly, deformed
步数：20–40（EulerA 仅需 20 步，DPM++SDE Karras 或 DPM++2S a 需 30–40 步）
CFG 值：6–8（理想为 7）

未来展望

我已开始尝试进一步优化本模型。当前模型是在 512×512 图像比例下训练的，我计划尝试 768×768 更大比例，并探索其他配置（如调整提示词、步数、训练轮次等）。如果你希望获得更高版本的模型，请持续支持我在 ko-fi 上的工作（访问支持页面）。如果更多人支持我，我将投入更多时间训练和优化模型；否则我将难以实现。