Scavengers Reign Flux

该模型使用来自MAX平台电视剧《猎食者统治》（2023年）的209张随机截图进行训练。我使用GPT-4o进行图像标注。

我保留了24GB LoRA配置的大部分默认设置，仅将训练步数调整为4,000步。

工作流程：

1. 我使用了一个简短的Python脚本，从MP4文件中抽取了1,000张随机图像。

2. 接着我使用czkawka（GitHub）删除了所有重复或相似的图像。

3. 我列出了所有角色的出场情况，并移除了出现频率最高的角色，以避免模型产生偏差。

4. 之后，我手动检查了所有图像，挑选出209张最具美感的画面。

5. 我使用了一个自定义的GPT模型（Scavengers Reign GPT）进行标注。

6. 最后，我使用ostris AI工具包（GitHub）训练了该模型。

代码：

import cv2
import random

mp4_directory = ''
output_directory = ''
frames_to_extract = 120
base_name = "Random_screenshot"
list_of_random_frames = []
frame_distance = 100
first_frame = 0 

count = 0

vidcap = cv2.VideoCapture(mp4_directory)
totalFrames = vidcap.get(cv2.CAP_PROP_FRAME_COUNT)
while count < frames_to_extract:
    count += 1
    count_str = str(count)
    frames_skipped = -1
    while True:
        randomFrameNumber = random.randint(0, totalFrames)
        frames_skipped +=1
        if frames_skipped > 0:
            print(f"Frame Skipped {frames_skipped}")
        if all(abs(randomFrameNumber - frame) > frame_distance and randomFrameNumber> first_frame for frame in list_of_random_frames):
            break
    list_of_random_frames.append(randomFrameNumber)
    photo_output = output_directory + base_name + count_str + ".png"
    vidcap.set(cv2.CAP_PROP_POS_FRAMES,randomFrameNumber)
    success, image = vidcap.read()
    if success:
        cv2.imwrite(photo_output, image)
    print(f"Saving image to: {photo_output}")

PS：如果你需要该数据集，请联系我。我只是不想让CivitAI陷入版权纠纷。