お祭りの屋台 / omatsuri

祭典的摊位。

通过学习门户厄神的厄神大祭、初参拜以及西宫神社的えべっさん等场景，进行了训练。

样本提示：

omatsuri, food stand, outdoors, scenery, bag, backpack, power lines, road, street, food, tree, orange (fruit), bare tree, fruit, multiple others, cloud, sky, utility pole, cloudy sky, people, vanishing point, shop, building, photo background, 1girl, multiple boys, city, ambiguous gender, 6+others,

样本提示：

omatsuri, food stand, multiple girls, tree, outdoors, bag, hat, skirt, handbag, road, street, walking, multiple boys, scenery, crowd, long skirt, pantyhose, day, long hair, real world location, black skirt, 6+boys, lantern, shirt, 6+girls, backpack, festival, food, photo background, pavement, crosswalk, paper lantern, lamppost, brown hair, white shirt, short hair, holding, sun hat, realistic, photo background, photo (medium), photorealistic

样本提示：

omatsuri, food stand, multiple boys, food, shirt, outdoors, scenery, short hair, multiple girls, tree, holding, black hair, apron, day, sandals, 3boys, standing, headband, shorts, brown hair, walking, realistic, photo background, photo (medium), photorealistic

各版本的差异　Differences between each version

使用31张白天摊位风景照片 + 24张夜晚摊位风景照片，通过DIM128/ALPHA64/Epoch8训练生成了omatsuri_V4.safetensors。（※本页面“V4”标签中的模型）

omatsuri_V4.safetensors是基于31张白天摊位场景照片和24张夜晚摊位场景照片，使用DIM128/ALPHA64/Epoch8训练生成的。（※本页“V4”标签所对应的模型）

然而，使用此omatsuri_V4生成图像时，如示例所示，模型的风格和着色影响非常显著。为解决这一问题，我使用sd-webui-lora-block-weight工具检查了U-Net各层的输出。（※V4页面示例中包含XYZ图表图像）

然而，当使用此omatsuri_V4生成图像时，如示例所示，模型对画风和上色的影响非常大。为解决这一问题，我使用sd-webui-lora-block-weight工具分析了U-Net各层级的输出。（※V4页面的示例中提供了XYZ图表的图像）

在对U-Net各层进行多种预设尝试后，发现使用OUTD（OUTD:0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0，其中仅OUT3、4、5、6有效）可在一定程度上保留所学的祭典摊位概念的同时，显著降低对画风的影响。

经过对U-Net各层级尝试多种预设后发现，使用OUTD（OUTD:0,0,0,0,0,0,0,0,1,1,1,1,0,0,0,0,0，仅启用OUT3、4、5、6）可在保留祭典摊位概念的同时大幅减轻画风影响。

因此，我使用SuperMerger将OUTD应用于omatsuri_V4，并按层级合并，得到omatsuri_V4_1.0_OUTD.safetensors。

因此，我使用SuperMerger将OUTD应用到omatsuri_V4并按层合并，生成了omatsuri_V4_1.0_OUTD.safetensors。

此版本的优势在于，无需使用sd-webui-lora-block-weight设置或应用预设，即可通过lora:omatsuri_V4_1.0_OUTD:1直接轻松使用。

该模型的优势是，无需使用sd-webui-lora-block-weight设定和应用预设，只需使用lora:omatsuri_V4_1.0_OUTD:1即可轻松调用。

此外，利用sd-scripts的缩放脚本将DIM128缩放为DIM8后，得到V4_1.0_OUTD_ResizeDIM8。与原版DIM128的omatsuri_V4_1.0_OUTD相比，其表现力有所下降，但LoRA文件体积大幅减小，且对模型画风与着色的影响也得到显著降低。如您所见，尽管表现力减弱，但仍能较好体现所学的祭典摊位概念，因此我决定公开该版本。

此外，使用sd-scripts的缩放脚本将DIM128缩小为DIM8，得到V4_1.0_OUTD_ResizeDIM8版本。相比DIM128的omatsuri_V4_1.0_OUTD，表现力有所下降，但LoRA文件体积大幅减小，对模型整体画风与着色风格的影响也显著降低。正如您所见，虽然表现力有所削弱，但祭典摊位的典型特征仍能得到一定体现，因此我决定公开此版本。