Happy Meek (umamusume)

mhtmht
231
2.1K
アニメキャラクターumamusumegame characterlohalycorislora
LoHa

詳細

ファイルをダウンロード

モデル説明

LoHa ～ハッピーミーク（ウマ娘）～。LoHaファイルを Stable Diffusion WebUI の models/lora フォルダに配置し、プロンプト内で LoRA 表記を使用して適用します。＜lora:your_loha_name:weight＞

私のすべての作品は無料です。ご支援いただける場合、Buy Me a Coffee をどうぞ。👍

注意事項

  • 以下のキャラクターについては、慎重に検討した結果、LoRAの作成を控えることにしました。

  • 上記のキャラクターについて希望がある方がいれば、検討いたします。

  • 上記を除き、ウマ娘 プリティーダービーの他のキャラクターについては、特別な注意喚起がない限り作成を行います。

  • トレーニング時に奇妙な現象が発生しました。トレーニングに興味がある場合は、LoRAトレーニング情報セクションのコメントを確認してください。

推奨オプション

  • LoRAウェイト：0.6 ～ 0.7

  • トリガー語

    • 基本

      • happy meek \(umamusume\)

    • オリジナルアート：

      • 髪の花、ヘアクリップ、ストライプのネクタイ、青いネクタイ、ブローチ、ジュエリー、カラーシャツ、ドレスシャツ、白シャツ、青いベスト、白ジャケット、オープンクロージャ、オープンジャケット、ふわふわのショートスリーブ、ふりふりスリーブ、白手袋、プリーツスカート、青スカート、ブーツ、白靴

    • Tracen夏服：

      • Tracen学校服、夏服、セーラーファッション、ふわふわのショートスリーブ、紫のネクタイ、馬蹄型装飾品、セーラーカラーやセーラーシャツ、紫シャツ、白スカート、プリーツスカート、ふりふりスカート、ミニスカート、絶対領域、白ハイヒール、茶色靴、ローファー

    • Tracen冬服：

      • Tracen学校服、耳装飾品、ヘアクリップ、冬服、ふわふわのロングスリーブ、セーラーカラー、紫シャツ、白ネクタイ、馬蹄型装飾品、紫スカート、プリーツスカート、紫ハイヒール、茶色靴、ローファー

アニメフルモデル から派生または混ぜ合わせて使用するモデルを推奨。

  • 設定

    • Stable Diffusion WebUI by Automatic1111

    • DPM++シリーズ（SDE Karras、2M Karrasなど）

    • およそ20ステップ、CFGスケール 3.5～6.5

    • 推奨：kl-f8-anime2.vae

    • CLIPスキップ = 1

    • 高画質画像を得るため、Hires.fixを使用

      • オーバーサンプラー

        • Latent、Latent（nearest-exact）、Latent（bicubic antialiased）またはその他のLatentシリーズ。

      • ノイズ除去強度 0.50～0.65

LoRAトレーニング情報

  • kohya_ss の sd-scripts でトレーニング。

  • Animefull-pruned model をベースに。

  • 129枚の画像から構成：

    • 低品質：4x 47枚

    • 中品質：8x 46枚

    • 高品質：16x 36枚

    • → 1エポック = 1132枚

  • キャラクター特徴タグを「happy meek \(umamusume\)」に置き換えました。

    • 1girl, 赤目, ピンク髪, 単純な背景, ソロ, 尾, 髪の編み込み, 白髪, 公式アレンジ衣装, 長髪, アレンジヘアスタイル, 棕褐色の目, 馬耳, 紫目, 馬娘, 棕髪, 金髪, アレンジ髪の長さ, 前髪, 馬尾, つむじ前髪, 動物の耳, ピンク目, 黄色目, 短髪, 灰髪, 淡い茶髪, ポニーテール, 中髪, 星雲スカイ \(umamusume\), ボブカット

    • これらタグはハッピーミークの本質的な要素と考えていますが、

    • 重複によりトレーニングには不要であると判断しました。

  • 解像度：768x768、アスペクト比バケツ使用。

  • その他のトレーニング設定はトレーニングデータまたはLoRAファイルのメタデータに含まれています。

  • Yukino Bijin、Neo Universe、Zenno Rob Roy、Light Hello、Tracenスタッフ、Ines Fujin、Inari One、Tanino Gimletは、テキストエンコーダ（TE） の学習率を Unet の学習率よりも5倍に設定してトレーニングしました。

    • これはとても面白い現象です。多くの人がTEの学習率をUnetよりも小さく設定しますが、私は誤って高い学習率に設定したものの、良い結果を得ました。なぜこのようなLoRAが機能するのかは不明です。この現象は適切な学習率の設定に役立つ手がかりになるかもしれません。

    • ハッピーミークのトレーニングでこの現象に気づきました。訓練中、損失がnanに発散しました。ハッピーミークは2つのトークンを持つため、トリガー語のトークン数が少なく、TEの学習率が高いとモデルが「爆発」してしまうと考えられます。

すべてのアップロード画像は AOM3A1 によって生成されました。

そして、最も親友のDHに特別な感謝を。

このモデルで生成された画像

画像が見つかりません。