Shirtlift: a LORA for flashing tits
详情
下载文件
关于此版本
模型描述
续作现已发布：Skirtlift
我一直在尝试用提示词让AI生成女性撩起上衣的画面，因此制作了这个LORA。它同样适用于男性。
使用模型 Liberty 生成的样本图片。
编辑：有部分人问我是如何制作的，这里提供一个大致流程：
工作流程：
在网络上搜集符合主题（女性撩起上衣）的图片。尽量涵盖不同体型、服装和场景（但需注意保持主题的一致性，以便AI能准确识别训练内容）。
裁剪并标记图像。手动裁剪效果更佳，尤其在数据集较小时，但我有超过100张图片，因此进行了自动化处理，然后删除了不合格的裁剪结果。（有很多工具可选，我用的是 Automatic1111 的 Smart Process 扩展）。
2a. 剪除代表主题的标签（如“露肚”、“撩起上衣”等），替换为通用标签（“shirtlift”）。
2b. 修正错误的标签。
进行第一次LORA训练（我使用的是 Linaqruf 的 Kohya LoRA 微调笔记本）。
使用简单提示词测试，观察哪些地方存在问题：
4a. 是否未能准确理解主题？删除那些与主题差异过大的图像（比如上衣过度堆积导致AI无法识别为“衣服”，或人物手部动作过于复杂的情况）。
4b. 是否复现了非主题核心特征？删除数据集中过度强调这些特征的图片，或在提示词中明确描述这些特征，避免AI错误地认为它们是通用标签的一部分。（例如，过度强调某些面部特征或体型）
4c. 是否以难以言喻的方式出现异常？尝试调整训练参数。（目前对我来说仍是不断尝试的过程，但已有不少参考指南可用）
4d. 根据上述调整，重新执行步骤3。
- 使用更复杂的提示词重复步骤4，检验其是否能将主题迁移到数据集中未涵盖的不同风格和情景中。
5a. 如果某项效果始终不理想，尝试寻找该类样本并加入数据集。
- 重复步骤5，直到满意为止。
设置参数
经过几轮筛选后，最终保留了104张图片。
大部分设置沿用 Linaqruf 的 Kohya Lora 微调笔记本 的默认值，但做了以下修改：
模型：SD1.5
mixed_precision：FP16
Network Dim + Network_Alpha：64
LR_Scheduler：cosine_with_restarts
Dataset_Repeats：2
Clip_Skip：1
我对其中部分参数的重要性尚不明确，目前仍在通过试错优化。
更多信息可参考 这篇我参考的学习指南。