Bad Card Template
详情
下载文件
模型描述
如果您想使用 v1.0 版本，请阅读说明（https://civitai.com/articles/671）
此模型用于生成桌游/集换式卡牌的游戏卡片模板。
Loras
bct2_basic：生成卡片，略显过度渲染（细节过多，大量3D效果，颜色略显泛白，但整体外观尚可）
bct2_2080_basic：生成卡片，移除了过度渲染的检查点
提示词（Prompting）
激活词 'bct2'
一种颜色：'绿色', '熔岩红', '黑金配色'
一种风格或艺术宇宙：'水彩风格', '蒸汽朋克油画风格', '数字艺术风格'
背景描述：'黑色背景','背景中有森林','带有涂鸦的背景'
卡片描述：'带有金色装饰的卡片','看起来像宝石的卡片'
标题横幅描述：'蓝色标题横幅','锤纹金色文字横幅'
插画描述：'椭圆形插画区域配闪电','黑色画框'
文字框描述：'带有云纹纹理的文字框'
属性区域描述：'左上角的心形符号','右下角的盾形符号'
画质要求：'杰作，最佳质量'
负面提示：模糊、画得差、丑陋、低质量（来自训练数据集）
显然，这些并非全部需要或在生成图像时都会被全部采纳，但这正是模型训练所依据的风格……
权重（Weight）
这比较难把握，因为大多数模型都会倾向于画人类或女孩形象。
1.5~3.0：适用于能画风景或物体的模型
2.5~4.5：适用于 Lyriel 和部分动漫风格模型（以克服其倾向于画动漫女孩的倾向）
0.7~1.3：适用于 waifu 基础模型
如果生成的是画作而非卡片，权重过低；若卡片细节正常，权重合适；若卡片无细节，权重过高；若卡片中央出现黑洞，则权重过高
可在提示词中加入 'plain card style' 以帮助生成标准卡片（矩形卡片，标题，插画，标题，文字区域）
在任何情况下，使用新检查点时，强烈建议配合使用 Prompt X/Y/Z 并调整 Lora 权重
使用动漫模型制作卡片
此模型基于 OpenJourneyV4（写实风）进行训练。
使用动漫模型制作卡片更具挑战性，因为难以精确生成卡片形状（需 Lora 权重 > 4.5，但 Lora 会在达到前就失效）
决定卡片是否合格的关键似乎是随机种子而非 Lora 权重（需选择对比度高的种子）
可尝试的方法：
尝试多个种子，复用表现良好的种子
在选定理想种子后，微调 Lora 权重
参考前述方法，尝试添加 'plain card style'
尝试降低 'bct2' 激活词的权重，因为这些模型使用 Booru 风格提示词而非自然语言提示，Lora 在文本层的作用可能无效
另一种方法是先用 Lyriel 或 XenoEngine 生成一张卡片，再通过 img2img 用循环反馈（loopback）功能在动漫检查点上处理（示例参数：0.6 去噪强度，50 步，6 次循环反馈，0.2 最终去噪）
补充说明
强烈建议使用 add_details Lora（以使卡片更具卡通感或更写实）/model/82098/add-more-details-detail-enhancer-tweaker-lora
可使用 http://cleanup.pictures 清理不必要的细节
可使用基于 segment-anything 的扩展工具，选择卡片中需要后期处理的部分
模型有时会生成偏暗的图像（因训练数据多为黑底+黑色插画框），可通过提示词修正
使用 ControlNet 生成特定卡片形状的技巧依然有效（详见 v1.0 说明）
训练所用数据集已公开。若从头开始重训，我也会使用辅助词（如 'tablet'、'smartphone'、'trading card'）
我尝试过训练文本反转（textual inversion），但失败了（与 Lora 互动不佳）。但得到一个启发：有效辅助提示词是 '📅'（日历表情符号）。我尝试在提示中加入多个 📅，发现生成更贴合提示词，会强制产生更多图标（适合展示属性），并在卡片上形成更多细分区域
更多 Lora 可见 /model/95424/pokeffects
关于审美评分（aesthetic score）：
根据我的观察，4.5 为正常卡片，5.5~6.0 为非常美观的卡片，6.2+ 就不再是卡片，而变成画作
因此，若不加入 'masterpiece, best quality'，反而有助于保留卡片形状
该模型是在写实检查点上训练的，可在写实模型上获得 5.5
6.0+ 的评分，但在动漫模型上仅能维持 5.05.5（需专门构建数据集并训练专属 Lora）
关于元素布局：现代神经网络使用注意力机制（具备平移不变性，图像整体不会因上下移动一像素而明显改变），但也意味着在图像特定区域精确放置元素较困难。若需精确布局打牌或棋盘，则需要 ControlNet、SDXL/SD3 或注意力增强技术（见 ControlNet 颜色部分的文末说明）
YouTube 相关
有位 YouTuber 提问：在 AI/SD 时代，桌游艺术家还如何获得报酬？/watch?v=SdgzH2OSZDY。这个 Lora 的初衷就是为艺术能力较弱者提供更好原型。如果你对这个话题有看法，请观看并留言评论
/watch?v=XDd4u2xnRtE 是制作 TCG 卡牌的重要规则视频
我看了一个不错的 YouTube 视频，有几点评论：
计算机视觉中的“遮挡问题”指部分物体被其他物体遮挡。该方法通过逐个生成卡片不同部分，避免了部分元素互相遮挡的生成问题
ControlNet 技巧与 bct-v1.0 类似，但“纹理遮罩潜在空间”对我是新概念。通过使用极小的点，他可能在追求超细节纹理（精细尺度细节，高频傅里叶成分）
他能生成不同（可互换）的卡片部分，用于制作不同版本的卡牌（如不同家族、颜色、稀有度等），同时保持兼容性，因为所有元素均由 ControlNet 严格限定尺寸——这在我看来非常优秀
他通过合成所有部分后运行一次最终的 img2img（0.25 去噪强度），且所有卡片部分均使用同一模型，以保持整体一致性
对于盾牌部分，我更推荐使用 bct-v1.0 配合 ControlNet（圆形作为控制）与低 Lora 权重。bct-v1.0 Lora 具有“图像扁平化与图标化”功能，可能更适合
对于最终文字与图像的合成，我更推荐使用已知的卡牌制作软件（如需重新生成整副游戏卡组），但这样就无法实现最终 img2img 的融合效果
最后一点小抱怨（极度细节控）：你可以让肖像成为构图中最深（最被遮挡）的部分，仅少数元素例外（本视频中，宝石与发丝可位于卷轴和画框之上）。我不确定这叫什么，也无法自动化实现
终极成果令人惊叹