YOUR Penis (Retracted) 🍌 by Huggy

💡 Civitaiで「huggy」と検索して、私のすべてのモデルを見つけてください。

💡 このLoRAは、包皮が引き込まれた状態のみを生成します。包皮過長バージョンは今年後半に予定しています。

🍌 次のLoRAに参加してください（👮 読み続けてください）

😫 4.3アップデート（非常に過学習していた）から7ヶ月が経ちました。その後学んだトレーニング手法を使って修正版を訓練すべきですが、現在手元にある200サンプルでは十分ではありません。

🙅 インターネット上のランダムなセルフィーはトレーニングデータとしてあまり役立ちません——これらは自然な解剖学というより、自己顕示欲を反映したものだからです。適切なトレーニングデータは、自然光の下で、へそから膝上までの範囲をフレームに収めた形で撮影されるべきです。

🙏 私はCivitaiのユーザーに写真の提供を依頼してきました。少し変に思えるかもしれませんが、適切なデータセットを構築するための唯一の方法です。Civitaiで@huggyにDMをお送りください。

特定の陰毛タイプに対して、1人の人物からの完全な画像セットは合計160枚（16状態 × 2ポーズ × 5アングル）を含む必要があります。

🍌 16の状態（4 × 4）

• しわしわ（垂れ下がった・引き締まった陰嚢）（引き込まれて部分的に覆われた包皮）

• 自然な静止状態（垂れ下がった・引き締まった陰嚢）（引き込まれて部分的に覆われた包皮）

• 半勃起（垂れ下がった・引き締まった陰嚢）（引き込まれて部分的に覆われた包皮）

• 勃起（垂れ下がった・引き締まった陰嚢）（引き込まれて部分的に覆われた包皮）

🍌 2つのポーズと5つのアングル

• 立ち姿：POV（上から撮影し、足を避けた）、フロアビュー（下から）、正面、側面

• しゃがみ姿：POV（上から撮影し、足を避けた）、正面、側面、フロアビュー（下から）、背面（後ろから）

🍌 4種類の陰毛

• 剃った

• 整えた

• 自然なまま

• 濡れた

🍌 人種

• アフリカ系

• ラテン系

• アジア系

• カウカサス系

🍌 提出方法

写真をZIPファイルにまとめ、以下のストレージサイトのいずれかにアップロードし、Civitaiで@huggyにリンクをDMしてください：

• drive.google.com

• https://mega.io

• www.dropbox.com

---

🍌 プロンプト漏れ（Prompt Bleed）：

トレーニングデータのキャプション作成の際は、プロンプト漏れに注意が必要です。代表例はキーウィ鳥のLoRAをトレーニングする場合です。「kiwi bird」というトリガーは自然に思えますが、モデルが「キーウィフルーツ」と強く関連づけてしまい、鳥と果物のハイブリッドが生成される可能性があります。アンダースコアを用いたユニークなトリガー「kiwi_bird」に変更することで問題を解決できます。

別の例として、「カーテンウォール」をLoRAに使用すると、カーテン付きの壁しか生成されません。代わりに「天井から床までの巨大な窓」といったシンプルな表現がはるかに安全です。

これは、LoRAでベースモデルに新しい概念を教えるのがどれほど難しいか、またモデルによって混乱しやすさに差があることを示しています。良い方法は、まずキャプションを異なるモデルでプロンプトとしてテストすることです。LoRAなしで既にプロンプト漏れが起きている場合は、同義語を使うのが最善です。例えば、「赤い照明」というプロンプトでは、多くのイラストモデルが「赤い肌のキャラクター」を生成してしまい、照明条件の描写が失われます——これは赤という色に特有の問題です。

これにより、陰茎のトレーニングは非常に大きな課題になります。16の状態（4×2×2）を扱うため、各状態を個別のLoRAとして、独自のトリガー語でトレーニングするのがはるかに簡単です。陰茎の幹だけでも、「しわしわ（冷たいシャワー後）」、「自然な静止状態」、「半勃起」、「勃起」の4種類があります。さらに陰嚢は「とても垂れ下がった」または「引き締まった」、包皮は「引き込まれた」または「部分的に覆われた」といった状態があります。これが4×2×2という計算の根拠です——少なくとも16の初期状態を分類する必要があります。

さらに、4種類の陰毛（剃った、整えた、自然、濡れた）と4つの主要な人種があり、これらにはサブクラスが必要です。キャプションで「penis」という語を繰り返し使用することは大惨事になります。複数のユニークなトリガー語を使うことが、唯一の実用的な解決策と思われます。

---

🍌 バージョン4.4 - 未だに遅れている：

1. スタイルの忠実性と汎用性をバランスさせるため、以下の調整を行います：

• エポック数を26–81に設定し、過剰な記憶を防ぎます。

• Num repeatsを3に下げます。

• キャプションシャッフル：有効化。

• UNet学習率を0.00025–0.0003に減らして、より安定したトレーニングを実現。

• Text Encoder学習率を0.00005から0.000075および0.0001に引き上げ、TEの影響を強めつつバランスを保ちます。

• Min SNR Gammaを減らす（5 → 2–3）ことで、過剰なシャープネスを抑制。

• Network Dimを48、Network Alphaを32に調整し、細部の過剰捕捉を防ぎます。

• フリップオーグメンテーションを有効化して汎用性を向上。

• ノイズオフセットを0.06–0.08に下げてアーティファクトを最小化。

• LRスケジューラを「cosine」に変更して、より滑らかな学習プロセスを実現。

2. トレーニングデータセットを???枚に増やし、汎用性を向上。

3. 複数のトリガー語を使用してプロンプト漏れを防止。

4. より良い制御のために、このLoRAを「小さい陰茎」と「大きい陰茎」に分割する可能性あり。

（参考：この記事とこの記事）

📒 SDXL

私のすべてのLoRAをSDXL/Fluxに移行したい、特に「You Penis」LoRAです。ただし、SDXLとFluxは、生殖器や詳細な解剖学的特徴を含むデータでファインチューニングされておらず、Ponyのようなモデルとは異なります（Ponyは10,000枚以上の詳細な全身画像データでファインチューニングされています）。SDXL/Fluxに正確な生殖器を生成させるには、関連トレーニングデータが不足しているため、非常に困難です。正確性を確保するには、大規模で専門的なデータセットが必要です。つまり、高品質な全身画像を含む新しいトレーニングファイルを準備する必要があります。

• 学習率：1e-5 (0.00001)

• 正確なステップ数：3000–5000

• 正確なバッチサイズ：4–8枚/バッチ

• LoRAランク／スケーリング：ランク4、スケーリングファクター0.8

• 画像解像度：512×512

📒 トレーニングデータセット（SDXL / Flux用）

この範囲は、ポーズ、照明、コンテキストの十分な多様性を提供し、SDXL 1.0/Fluxが過学習せずに繊細な特徴を学習できるようにします。

• クローズアップショット（50%）：

• ミディアムショット（30%）：

• フル／ロングショット（20%）：

📒 Flux Dev

• ノイズスケジューラ設定はSDXLのデフォルトと一致。

• ハードウェア制限がある場合は勾配蓄積ステップを設定可能ですが、多くのユーザーは1～2ステップを維持。

• 最適化アルゴリズム：通常、重み減衰0.01のAdamWが使用。

• 学習率：1e-5

• ステップ数：3000～5000

• バッチサイズ：4

• LoRAランク：4

• スケーリングファクター：0.8

📒 V4.3とV4.2の問題点：

PonyスタイルのSDXL LoRAをトレーニングする際、トレーニングデータセットから特定のスタイル・キャラクターを再現することが目標でした。しかし、Repeats 5、Epochs 40、Network Dim 64、Network Alpha 64を使用したため、V4.3は過学習し、高品質なマージベースモデルや他のLoRAと併用すると障害が発生しました。一方、Repeats 2、Epochs 10、Network Dim 64、Network Alpha 64を使用したV4.2は、十分な詳細が欠如した「中途半端な」スタイルを生成するアンダーフィッティングとなりました。

Unetブロック重みグラフ（V4.3E21）の不均一な分布は、一部の層が他の層よりもはるかに強い活性化を示していることを意味し、特定の特徴が誇張されているということです。トレーニングプロセスが特定の層を過剰に強調し、異なる設定で一貫性のない出力を生んでいる可能性があります。

🍌 バージョン4.3 - 高忠実度：

V4.3E21は、理論的にV4.2の5倍の忠実度で現実的な画像を生成できます。新しいタグ付け方法により、陰茎サイズ、陰毛、玉のコントロールが向上しました。すべてのLoRAはPONYベースモデルでトレーニングされており、選択されたPONYベースモデルでのみ動作します。SDXL/illustriousラベルは互換性テスト中のため無視してください。下記に54のチェックポイントレビューを示します。

📒 チェックポイント推奨：

🍌 SDXLの制限

• Duchaiten Pony Realなどのチェックポイントは、驚異的なディテールを生成しますが、追加のLoRAと組み合わせると圧倒的になり、SDXLは異なる要素間でサンプリングステップを効果的に配分できません。

• Fluxと異なり、SDXLでは全身生成が困難です。これは、潜在的なU-Netがデノイジングの初期段階で十分な特徴空間を割り当てていないためです。

• Duchaiten Pony RealとYour Penis V4.3は、生成中に限られたデノイジングU-Netサンプリングステップを共有しており、四肢の欠落、変形した顔、奇妙な陰茎が発生します。

• これは、Your Penis V4.3がPVCスタイルベースモデルと完璧に動作する理由を説明します。PVC素材は描画が容易だからです。

• DuchaitenとPenis V4.3はそれぞれ単独で優れていますが、SDXLでは複雑な画像のデノイジングステップが均等に分配されず、ハイレゾフィックスによってアーティファクトが強調されます。オフラインインペインティングは有効かもしれません。Ponyの限界にぶつかっているように感じます。IllustriousとFluxの時代です。

📒 重要な指示：

• V4.3E21（5倍忠実度）：他のLoRA（最大2つまで）と併用する場合、LoRAウェイトを0.5、CFGスケールを3.5（低い値）から始めましょう（高いCFGスケールはよりシャープな出力を生みます）。インペインティングに最適。

• V4.3E41（10倍忠実度）：この超忠実度版は単独でのみ動作します。出力品質はFluxの画像を上回ります。インペインティングに最適。

• V4.3E17とV4.3E11：これらはファインチューニング版で、ほとんどのPonyチェックポイントと微細な効果で動作します。

📒 このLoRAの2つの用途：トリガーワード「penis」で現実的な陰茎を生成、アニメスタイル支配型チェックポイントには追加のトリガーワード「realistic」が必要。

📒 写真のリアルさを強化（トリガーワードなしで、特に毛髪に）：

• 安定した結果を得るには、エポックが7より低いLoRA（例：V03E06）を使用。エポックが高いLoRA（例：V03E10）はトレーニング元との類似度が高いが、V4以降には適用されない。

• 最良の結果を得るには、一度に使用するトリガーワードを少なくすること。

• CFGは4.5（複雑なシーン）～7.5（シンプル）の範囲で。

• アニメの場合、Euler aサンプラーでステップを19から始め、結果に満足したらハイレゾフィックス／フェイスフィックス（Eulerを29に設定）を使用して総合品質を向上。

• リアルな写真には、DPM++2M Karraを使用し、クローズアップ肖像では30ステップ以上、全身では35ステップ以上。

• すべての生成に普遍的なプロンプト/LoRAウェイトは存在しません。アニメスタイル/キャラクターLoRAとリアルチェックポイントを組み合わせる場合、LoRAウェイトを0.7程度から始めましょう。サンプル画像のLoRAウェイトは最近のバグの影響で常に1として表示されるため、無視してください。

• ステップ数設定（全タグのウェイト）はプロンプトの複雑さと密接に関係しています。指や四肢などの余計なオブジェクトが生成された場合は、ステップ値（およびLoRAウェイト）を下げてください。オブジェクトが欠落し、品質・テクスチャー・リアリティが不足している場合は、ステップ値を上げてください。

🍌 バージョン4.3（高忠実度）の変更点：

1. アンダースコア付きタグを使用。

2. 適切なNum repeatとエポック比で「スローベイキング」手法でトレーニング。

🍌 バージョン4.2（低忠実度）の変更点：

1. 新しい人種比率：7アフリカ系 | 3ラテン系 | 87カウカサス系 | 71アジア系

2. 新しい状態比率：60静止状態 | 38勃起状態 | 66半勃起状態

🍌 バージョン4.1の変更点：

1. V3の一部のソース画像には、カットアウトまたは削除が必要な四肢が含まれており、それらがV3の陰茎への集中力を低下させ、V2では発生しなかった歪みや二陰茎を引き起こしました。

2. 不自然な包皮を持つリソースを削除。

3. トレーニングリソースの量を???に減らしました。これは私のほとんどのLoRAで共通の問題であり、トレーニング画像が多すぎると出力品質が低下します。リソース画像の品質の方が重要です。

4. トレーニングリソースの解像度を向上。

5. トレーニングステップを1000に減らしました。低エポックのLoRAが安定した結果を生むことが判明したため。

📒 ミラーリング

Modelslabやyodayoなどのいくつかのサイトがボットを使って私のモデルをミラーリングしていることに気づきました。特にSeaArtはダウンロード数と生成数が非常に多いです。

1. モデルをミラーリングすることには反対しません。civitaiarchiveのようなサイトは常にそうしていました。

2. ユーザーがモデルのダウンロードをブロックし、有料オンラインサービスに強制的に誘導することは嫌です。

3. 著作権を主張したり、ユーザーに生成物の所有権を与えることは嫌です。これらはオープンソースモデルであり、オープンソースベースと限定所有データでトレーニングされています。誰も（私を含め）著作権を主張すべきではありません。クレジット表示だけで十分です。