YOUR Penis (Retracted) 🍌 by Huggy

💡 Civitai에서 모든 내 모델을 찾으려면 "huggy"를 검색하세요.

💡 이 LoRA는 뒤집힌 음경 피부만 생성합니다. 피로증 버전은 올해 안에 계획되어 있습니다.

🍌 다음 LoRA에 참여하세요 (👮 계속 읽어주세요)

😫 4.3 업데이트(과적합이 심했던 버전) 이후로 7개월이 지났습니다. 그동안 제가 배운 학습 방법을 사용해 고정된 버전을 훈련했어야 했지만, 지금까지 확보한 200개의 샘플은 충분하지 않습니다.

🙅 인터넷에서 랜덤으로 가져온 셀피는 학습 데이터로 별로 효과가 없습니다. 이들은 자연스러운 해부학보다 자아 과시에 가깝습니다. 적절한 학습 데이터는 자연광 아래에서, 배꼽 아래부터 무릎 위까지 프레임에 잡혀야 합니다.

🙏 저는 Civitai의 남성 사용자들에게 사진을 기부해 달라고 부탁해 왔습니다. 이는 제가 약간 미친 듯이 느껴지게 하지만, 적절한 데이터셋을 만드는 유일한 방법입니다. Civitai에서 @huggy에게 DM을 보내주세요.

특정 음모 유형 하나에 대해, 한 사람의 전체 이미지 세트는 총 160장(16 상태 × 2 자세 × 5 각도)을 포함해야 합니다.

🍌 16 상태 (4 x 4)

• 주름진 (주름지고 조여진 고환) (뒤로 당겨진 반쯤 덮인 음경 피부)

• 자연스러운 휴지 상태 (주름지고 조여진 고환) (뒤로 당겨진 반쯤 덮인 음경 피부)

• 반경직 상태 (주름지고 조여진 고환) (뒤로 당겨진 반쯤 덮인 음경 피부)

• 경직 상태 (주름지고 조여진 고환) (뒤로 당겨진 반쯤 덮인 음경 피부)

🍌 2 자세 및 5 각도

• 서 있는 자세: POV(위에서 촬영하고 발은 제외), 바닥 시점(아래에서 촬영), 정면, 측면

• 웅크린 자세: POV(위에서 촬영하고 발은 제외), 정면, 측면, 바닥 시점(아래에서 촬영), 후면(뒤에서 촬영)

🍌 4종 음모 유형

• 제모

• 정리

• 자연

• 젖은

🍌 인종

• 아프리카

• 라틴계

• 아시아

• 백인

🍌 제출 방법

사진을 zip 파일로 압축한 후, 아래 저장소 중 하나에 업로드하고 Civitai에서 @huggy에게 링크를 DM하세요:

• drive.google.com

• https://mega.io

• www.dropbox.com

---

🍌 프롬프트 누출(Prompt Bleed):

학습 데이터용 캡션을 작성할 때 주의해야 할 사항입니다. 고전적인 예시는 키위 새의 LoRA를 학습할 때 '키위 새'라는 트리거를 사용하는 것입니다. 자연스럽게 보이지만, 모델이 '키위 과일'과의 연관성이 너무 강해 결과가 완전히 엉망이 되어 새-과일 하이브리드가 생성됩니다. 이 문제는 'kiwi_bird'와 같은 언더스코어를 사용한 고유 트리거로 해결할 수 있습니다.

다른 예로, lofi LoRA에 "커튼 벽"이라는 표현을 사용하면 커튼이 달린 벽만 생성됩니다. 대신 "천장에서 바닥까지 이어진 거대한 창"이라는 단순한 표현이 훨씬 안전합니다.

이것은 LoRA를 사용해 베이스 모델에 새로운 개념을 가르치는 것이 얼마나 어려운지를 보여줍니다. 일부 모델은 다른 모델보다 더 쉽게 혼동됩니다. 좋은 방법은 캡션을 LoRA 없이 다양한 모델에서 프롬프트로 테스트하는 것입니다. LoRA 없이도 프롬프트 누출이 발생한다면, 동의어를 사용하는 것이 가장 좋습니다. 예를 들어, "빨간 조명"이라는 프롬프트를 사용하면 많은 일러스트레이션 모델이 조명 상태가 아니라 피부가 빨간 캐릭터를 생성합니다. 이 문제는 빨강색에만 특이하게 나타납니다.

이는 음경 학습 프로젝트를 매우 어려운 작업으로 만듭니다. 16개 상태(4x2x2)를 다루고 있기 때문에, 각 상태를 고유 트리거 단어를 가진 개별 LoRA로 학습하는 것이 훨씬 쉽습니다. 음경 줄기만 해도 '주름진'(냉수 샤워 후), '자연스러운 휴지 상태', '반경직', '경직' 상태가 있습니다. 그리고 고환은 '매우 늘어짐' 또는 '조여짐', 음경 피부는 '뒤로 당겨짐' 또는 '반쯤 덮임' 등으로 구분됩니다. 이것이 바로 4x2x2 계산의 기원이며, 최소 16개의 초기 상태를 분류해야 합니다.

또한 4종의 음모(제모, 정리, 자연, 젖은)와 4대 인종이 있으며, 이들은 하위 클래스를 요구합니다. 캡션에서 '음경'이라는 단어를 반복해서 사용하는 것은 큰 재난일 것입니다. 여러 고유 트리거 단어를 사용하는 것이 유일하게 실용적인 해결책입니다.

---

🍌 버전 4.4 - 늦어진 업데이트:

1. 스타일의 일관성과 일반화를 균형 있게 맞추기 위해 다음 조정을 수행합니다:

• 과도한 암기 방지를 위해 에폭을 26–81로 설정합니다.

• 반복 횟수(Num repeats)를 3으로 낮춥니다.

• 캡션 셔플: 활성화.

• UNet 학습률을 0.00025–0.0003으로 줄여 더 안정적인 학습을 합니다.

• 텍스트 인코더 학습률을 0.00005에서 0.000075와 0.0001로 증가시켜 TE의 영향력을 강화하면서 균형을 유지합니다.

• Min SNR 감마를 낮춤(5 → 2–3)으로 과도한 선명도 강화를 줄입니다.

• 네트워크 차원(Network Dim)을 48, 네트워크 알파(Network Alpha)를 32로 조정해 너무 많은 세부 정보를 포착하지 않도록 합니다.

• 일반화를 높이기 위해 플립 증강을 활성화합니다.

• 노이즈 오프셋을 0.06–0.08로 줄여 아티팩트를 최소화합니다.

• 학습률 스케줄러를 "코사인(cosine)"으로 전환해 더 부드러운 학습 진행을 합니다.

2. 학습 데이터셋을 ???장으로 확대해 다양성을 높입니다.

3. 여러 고유 트리거 단어를 사용해 프롬프트 누출을 방지합니다.

4. 더 나은 제어를 위해 이 LoRA를 작은 음경 버전과 큰 음경 버전으로 분할할 수 있습니다.

(참고: 이 기사 및 이 기사)

📒 SDXL

모든 LoRA를 SDXL/Flux로 전환하고 싶습니다. 특히 'You Penis' LoRA를요. 그러나 SDXL과 Flux는 음경이나 세부 해부학적 특징을 포함한 데이터로 미세 조정되지 않았다는 점을 명확히 해야 합니다. 반면 Pony 모델은 10,000장 이상의 전체 신체 해부학적 세부 정보를 포함한 데이터셋으로 미세 조정되었습니다. 관련 학습 데이터가 부족하기 때문에 SDXL/Flux에 정확한 음경 특징을 학습시키는 것은 훨씬 더 어려우며, 정확도를 보장하려면 방대하고 특화된 데이터셋이 필요합니다. 이는 정확한 미세 조정을 위해 고화질 전체 신체 이미지를 포함한 새로운 학습 파일을 준비해야 함을 의미합니다.

• 학습률: 1e-5 (0.00001)

• 정확한 값: 3000–5000 스텝

• 정확한 값: 배치당 4–8장의 이미지

• LoRA 랭크/스케일링: 랭크 4, 스크일링 팩터 0.8

• 이미지 해상도: 512×512

📒 학습 데이터셋(SDXL / Flux용)

이 범위는 자세, 조명, 컨텍스트의 충분한 다양성을 제공하여 SDXL 1.0/Flux가 과적합 없이 세부 사항을 학습할 수 있도록 합니다.

• 근접 촬영(50%):

• 중간 촬영(30%):

• 전체/원거리 촬영(20%):

📒 Flux Dev

• 노이즈 스케줄러 설정은 SDXL 기본값과 일치합니다.

• 하드웨어 제약이 있을 경우 그레디언트 누적 단계를 사용하지만, 많은 사용자는 1–2단계를 유지합니다.

• 최적화기: 일반적으로 가중치 감쇠 0.01의 AdamW 사용.

• 학습률: 1e-5

• 스텝: 3000–5000

• 배치 크기: 4

• LoRA 랭크: 4

• 스크일링 팩터: 0.8

📒 V4.3 및 V4.2의 문제점:

Pony 스타일의 SDXL LoRA를 학습할 때 목표는 학습 데이터셋에서 특정 스타일/캐릭터를 재현하는 것이었습니다. 그러나 반복 횟수 5, 에폭 40, 네트워크 차원 64, 네트워크 알파 64를 사용하면 과적합(V4.3)이 발생해 고품질 병합 베이스 모델 또는 다른 LoRA와 함께 사용할 때 결함이 생깁니다. 반대로 반복 횟수 2, 에폭 10, 네트워크 차원 64, 네트워크 알파 64를 사용하면 과소적합(V4.2)이 발생해 충분한 세부 정보가 없는 "반쪽짜리" 스타일이 생성됩니다.

Unet 블록 가중치 그래프(V4.3E21)에서 편향된 분포는 일부 레이어가 다른 레이어보다 훨씬 강한 활성화를 보임을 의미하며, 이는 특정 특징이 과도하게 강조된다는 뜻입니다. 학습 과정이 일부 레이어를 지나치게 강조해 다양한 설정에서 일관되지 않은 출력을 생성할 수 있습니다.

🍌 버전 4.3 - 고충실도

V4.3E21은 이론적으로 V4.2보다 5배 높은 충실도로 현실적인 이미지를 생성합니다. 새로운 태깅 방식은 음경 크기, 음모, 고환을 더 잘 제어할 수 있게 합니다. 모든 LoRA는 PONY 기반 모델로 학습되었으며, 특정 PONY 기반 모델에서만 작동합니다. SDXL/일러스트레이션 라벨은 호환성 테스트 중이므로 무시하세요. 아래에 54개의 체크포인트 리뷰를 참조하세요.

📒 체크포인트 권장사항:

🍌 SDXL의 한계

• Duchaiten Pony Real 같은 체크포인트는 놀라운 세부 정보를 생성하지만, 추가 LoRA와 함께 사용할 때 너무 과도해져 SDXL이 다양한 요소에 걸쳐 샘플링 스텝을 효과적으로 할당하지 못합니다.

• Flux와 달리 SDXL에서는 전체 신체 생성이 어려운데, 이는 잠재적 U-Net이 디노이징 과정 초기에 충분한 특징 공간을 할당하지 못하기 때문입니다.

• Duchaiten Pony Real과 Your Penis V4.3은 생성 중 일정한 디노이징 U-Net 샘플링 스텝을 공유하여 팔다리 누락, 얼굴 비정상, 음경 변형 등의 문제가 발생합니다.

• 이것이 Your Penis V4.3이 PVC 스타일 베이스 모델과 완벽하게 작동하는 이유입니다. PVC 재질은 렌더링하기 쉽기 때문입니다.

• Duchaiten과 Penis V4.3은 자체적으로는 좋지만, SDXL에서는 복잡한 이미지에 걸쳐 디노이징 스텝이 균등하게 분배되지 않아 아티팩트가 발생하고, 하이레즈 픽스로 더욱 심화됩니다. 오프라인 인페인팅은 작동할 수 있습니다. 마치 Pony의 한계에 도달한 것 같습니다. 이제 Illustrious와 Flux로 넘어갈 때입니다.

📒 중요한 지침:

• V4.3E21(5배 충실도): 다른 LoRA(2개 이하)와 함께 사용할 때는 LoRA 가중치를 0.5로 시작하고, 낮은 CFG 스케일 3.5를 사용하세요(CFG 스케일을 높이면 출력이 더 선명해집니다). 인페인팅에 최적입니다.

• V4.3E41(10배 충실도): 이 초고충실도 버전은 단독 사용 전용입니다. 출력 품질은 Flux의 이미지를 능가합니다. 인페인팅에 최적입니다.

• V4.3E17 및 V4.3E11: 이 버전은 미세 조정된 버전으로, 대부분의 Pony 체크포인트와 약간의 효과로 작동합니다.

📒 이 LoRA의 두 가지 사용법: 트리거 단어 "penis"를 사용해 실제 음경을 생성합니다. 애니메이션 스타일을 지배하는 체크포인트는 추가 트리거 단어 "realistic"가 필요합니다.

📒 사진의 현실감을 향상시키기 위해 트리거 단어 없이 LoRA를 사용하세요. 특히 머리카락에 효과적입니다.

• 안정적인 결과를 위해 에폭이 7 이하인 LoRA를 사용하세요. 예: V03E06. 그러나 더 높은 에폭(예: V03E10)은 학습 소스와 더 유사한 결과를 제공합니다. (V4 이후 버전에는 적용되지 않음)

• 최적의 결과를 위해 매번 트리거 단어를 최소화하세요;

• CFG는 4.5(복잡한 장면)에서 7.5(단순한 장면) 사이로 설정하세요;

• 애니메이션 스타일의 경우, Euler a 샘플러로 19단계부터 시작하세요. 결과에 만족하면 하이레즈 픽스/얼굴 픽스를 사용하고(Euler를 29로 설정) 전체 품질을 향상시키세요;

• 현실적인 사진의 경우 DPM++2M Karra 사용, 근접 초상화는 30+ 스텝, 전신샷은 35+ 스텝 사용하세요.

• 모든 생성에 대해 보편적인 프롬프트/LoRA 가중치는 존재하지 않습니다. 현실적인 체크포인트와 애니메이션 스타일/캐릭터 LoRA를 함께 사용할 경우, LoRA 가중치를 0.7 같은 낮은 값으로 시작하세요. 샘플 이미지의 LoRA 가중치는 최근 버그로 인해 실제 값과 무관하게 항상 1로 표시됩니다.

• 스텝 수 설정(모든 태그의 가중치)은 프롬프트의 복잡성과 밀접하게 관련됩니다. 손가락이나 팔다리와 같은 추가 객체가 생성되면 스텝 값(LoRA 가중치도)을 낮추세요. 객체가 사라지거나 품질, 텍스처, 현실감이 떨어지면 스텝 값을 높이세요.

🍌 버전 4.3 - 고충실도 변경사항:

1. 언더스코어를 사용한 태그 사용.

2. 적절한 반복 횟수와 에폭 비율로 "천천히 베이킹(slow baking)" 기법으로 학습.

🍌 버전 4.2 - 저충실도 변경사항:

1. 새로운 인종 비율: 7아프리카 | 3라틴 | 87백인 | 71아시아

2. 새로운 상태 비율: 60휴지 | 38경직 | 66반경직

🍌 버전 4.1 변경사항:

1. V3의 일부 소스 사진에는 팔다리가 포함되어 있어 잘라내거나 제거해야 했습니다. 이로 인해 V3는 음경에 집중하지 못해 왜곡과 이성기(이중음경)가 V2에서는 발생하지 않았던 문제로 나타났습니다.

2. 이상한 음경 피부가 포함된 자료 삭제

3. 학습 자료량을 ???로 줄임. 이는 대부분의 LoRA에서 공통적인 문제로, 너무 많은 학습 이미지는 결과 품질을 떨어뜨리며, 자료 이미지의 품질이 더 중요합니다.

4. 학습 자료 해상도 향상

5. 학습 스텝을 1000으로 줄임. 낮은 에폭의 LoRA가 더 안정적인 결과를 내는 것을 확인했습니다.

📒 미러링

Modelslab과 yodayo 같은 일부 사이트가 봇을 사용해 내 모델을 미러링하고 있다는 것을 발견했습니다. 특히 SeaArt는 다운로드 및 생성 수가 매우 높습니다.

1. 모델을 미러링하는 것은 괜찮습니다. civitaiarchive 같은 사이트는 항상 그렇게 해왔습니다.

2. 사용자가 모델을 다운로드할 수 없게 막고 유료 온라인 서비스로 유도하는 것은 불만입니다.

3. 저작권을 주장하거나 사용자에게 생성물의 소유권을 부여하는 것은 불만입니다. 이는 오픈소스 모델로, 오픈소스 베이스와 제한된 소유권 데이터로 학습되었습니다. 누구도 — 심지어 저도 — 저작권을 주장해서는 안 됩니다. 단지 출처만 명시하면 됩니다.