LighthouseEmbedding

이 임베딩은 빨강-하얀 등대를 주제로 하여 내가 만든 베이스 모델, LoRA 및 하이퍼네트워크에 이어, 각기 다른 모델들이 어떤 기능을 할 수 있는지 연구하기 위해 개발되었습니다.

현재 실험 결과에 따르면, 이 모델은 이미지에 긍정적인 영향을 줄 수 있지만, 반드시 그렇지는 않습니다. 기대치는 너무 높게 설정하지 마세요.

임베딩 모델은 등대를 수정하여 빨강과 하얀 색상으로 구분된 원형 등대를 생성할 수 있습니다.

임베딩은 일반적으로 세부적인 환경 없이 등대만 생성합니다. 이는 학습에 사용된 데이터에 따라 달라집니다.

현재 제가 생성한 _프롬프트_는 너무 우수하여, 이와 같은 임베딩을 사용해도 사진에서 더 많은 것을 끌어낼 수 없습니다. 지금까지 임베딩을 사용한 시도는 임베딩 없이 얻은 결과보다 오히려 더 나빴습니다.

저는 이전처럼 내 사진 수집품에서 12장의 등대 사진을 사용하여 모델을 학습했습니다. 정사각형 이미지의 해상도는 512 x 512 픽셀이며, 각 사진의 주요 내용은 등대입니다.

Textual Inversion 템플릿 텍스트 파일에서는 [name]과 [filewords]를 사용했습니다. 각 파일명은 사진에 무엇이 보이는지 설명하는 텍스트입니다.

사용된 잠재적 샘플링 방법은 무작위였으며, 임베딩 학습률은 초기 빠른 학습을 위해 0.05:500, 이후 느려지도록 0.005로 설정했습니다. 샘플 이미지들은 첫 번째 세트의 이미지가 학습 주제와 크게 벗어날 수 있음을 보여줍니다.

이것은 제가 지금까지 만든 가장 성능이 낮은 모델입니다. 임베딩 접근 방식이 효과가 있을지 의심했고, 제 예상이 맞았던 것 같습니다. 임베딩은 사람이나 동물에 더 적합할 가능성이 큽니다.

현재 컴퓨터는 테스트를 위해 새로운 임베딩을 생성 중입니다. 저는 이미지의 범위를 줄였고, 학습을 위한 다른 일부 매개변수도 변경했습니다.

새 임베딩의 중간 결과는 기대를 품게 합니다 😀. 일부 사전 결과:

좋은 하루 되세요. 즐겁게 작업하시고, 영감을 얻으세요!