소개:

Civitai 사이트에서 "가장 많은 컬렉션" 및 "가장 많은 반응"을 받은 폰니 기반 모델 이미지로 학습된 스타일 LoCon입니다.

이것은 Civitai에서 가장 많은 좋아요와 저장을 받은 폰니 계열 모델 이미지로 학습된 스타일 LoCon입니다.

이 LoRA는 특정 아티스트의 스타일이나 기법을 모방하려는 목적이 아닙니다. 일부러 커뮤니티의 미적 취향과 이미지의 시각적 매력을 반영할 수 있습니다. 다양한 프롬프트에 따라 스타일이 미세하게 변화할 수 있습니다.

이 LoRA는 특정 아티스트의 스타일이나 기법을 재현하려는 것이 아닙니다. 일부러 커뮤니티의 미적 취향과 이미지의 시각적 매력을 반영할 수 있습니다. 다양한 프롬프트에 따라 스타일이 미세하게 변화할 수 있습니다.

사용 방법:

V2 이전 버전은 특정 트리거 단어가 없습니다. 해당 모델과 함께 제공되는 품질 태그를 사용해 주세요.

V3 및 이후 버전에서는 다음 태그를 학습했습니다:

V2 이전 버전은 특정 트리거 단어가 없습니다. 해당 모델과 함께 제공되는 품질 태그를 사용해 주세요.

V3 및 이후 버전에서는 다음과 같은 태그를 학습했습니다:

긍정적:

masterpiece, best quality, very aesthetic

부정적:

worst quality, low quality, displeasing

이를 바탕으로 프롬프트를 수정할 수 있습니다.

데이터 생성 버전:

v6:

500장 이상의 새로운 이미지를 추가했으며, 그 중 일부는 Flux에서 생성된 이미지입니다. 품질이 낮다고 판단된 일부 오래된 이미지를 삭제했습니다.

현재 데이터셋의 총 이미지 수는 3,000장을 초과하며, 6개 버전에 걸쳐 20개 이상의 개념을 수동으로 강화/편집했습니다.

모델의 rank도 증가했습니다.

500장 이상의 새로운 이미지를 추가했으며, 그 중 일부는 Flux에서 생성된 이미지입니다. 품질이 낮다고 판단된 일부 오래된 이미지를 삭제했습니다.

현재 데이터셋의 총 이미지 수는 3,000장을 초과하며, 6개 버전에 걸쳐 20개 이상의 개념을 수동으로 강화/편집했습니다.

모델의 rank도 증가했습니다.

v5.9:

모델의 성능이 기대에 미치지 못했지만, 학습 데이터셋의 이미지 자체는 문제가 없다고 생각합니다. 수동으로 태그를 조정해 결과가 어떻게 변화하는지 확인할 계획입니다.

모델 효과가 기대에 미치지 못했지만, 학습 데이터셋의 이미지 자체는 문제가 없다고 생각합니다. 수동으로 태그를 수정해 보고 결과를 확인할 계획입니다.

2025/1/3 업데이트:

일부 태그를 수동으로 업데이트했으나, 이는 밝기 및 색상과 관련이 없는 것으로 보입니다. 잠정적으로 노이즈 오프셋과 관련이 있을 것으로 추측합니다.

일부 태그를 수동으로 수정했으나, 이는 밝기 및 색상과 관련이 없는 것으로 보입니다. 잠정적으로 노이즈 오프셋과 관련이 있을 것으로 추측합니다.

v5:

데이터셋을 2,154장의 이미지로 확장했으며, 주요 학습 대상으로 폰니 이미지 약 1,000장을 사용했습니다.

V-pred 모델은 Eps-pred 기반 모델로 학습된 LoRA를 사용할 수 있으나, 출력 품질이 크게 저하됩니다. 이 버전은 두 가지 다른 유형의 모델에서 별도로 학습됩니다.

최근 NoobAI 버전은 눈에 띄는 인공적인 왜곡을 보이지만, Danbooru의 'jpeg artifact' 태그는 효과적이지 않습니다. 이 문제를 해결하기 위해 30개 정도의 대표적이고 시각적으로 뚜렷한 이미지를 부정적 예시로 선택했습니다.

현상 관찰: Pony v6와 NoobAI는 측면 머리카락이 있는 헤어스타일을 생성할 때, 머리카락 뿌리 부분에 삼각형으로 위로 올라가는 구조를 자주 생성합니다. Danbooru에서는 이 구조를 'hair intakes' 또는 'curtained hair'로 태그하기도 하지만, Pony는 모든 캐릭터에 이 구조를 적용합니다. 이것이 Pony에서 캐릭터 학습 시 헤어스타일이 의도한 디자인과 맞지 않는 주요 원인입니다. NoobAI에서도 유사한 현상이 관찰되었습니다. 이 특징은 Danbooru 외부의 데이터셋에서 널리 존재하지만, 제대로 태그되지 않았을 가능성이 있다고 추측합니다.

데이터셋의 이미지를 필터링했으며, 약 2/3가 정확히 주석화되었습니다. 현재 프롬프트에 'hair intakes'를 추가하면 어떤 정도로 이 현상을 완화할 수 있으나, 아직 완전한 해결책은 찾지 못했습니다.

데이터셋을 2,154장의 이미지로 확장했으며, 주요 학습 대상으로 폰니 이미지 약 1,000장을 사용했습니다.

V-pred 모델은 Eps-pred 기반 모델로 학습된 LoRA를 사용할 수 있으나, 출력 품질이 크게 저하됩니다. 이 버전은 두 가지 다른 유형의 모델에서 별도로 학습됩니다.

최근 NoobAI 버전은 눈에 띄는 인공적인 왜곡을 보이지만, Danbooru의 'jpeg artifact' 태그는 효과적이지 않습니다. 이 문제를 해결하기 위해 30개 정도의 대표적이고 시각적으로 뚜렷한 이미지를 부정적 예시로 선택했습니다.

현상 관찰: Pony v6와 NoobAI는 측면 머리카락이 있는 헤어스타일을 생성할 때, 머리카락 뿌리 부분에 삼각형으로 위로 올라가는 구조를 자주 생성합니다. Danbooru에서는 이 구조를 'hair intakes' 또는 'curtained hair'로 태그하기도 하지만, Pony는 모든 캐릭터에 이 구조를 적용합니다. 이것이 Pony에서 캐릭터 학습 시 헤어스타일이 의도한 디자인과 맞지 않는 주요 원인입니다. NoobAI에서도 유사한 현상이 관찰되었습니다. 이 특징은 Danbooru 외부의 데이터셋에서 널리 존재하지만, 제대로 태그되지 않았을 가능성이 있다고 추측합니다.

데이터셋의 이미지를 필터링했으며, 약 2/3가 정확히 주석화되었습니다. 현재 프롬프트에 'hair intakes'를 추가하면 어떤 정도로 이 현상을 완화할 수 있으나, 아직 완전한 해결책은 찾지 못했습니다.

v4:

데이터셋 태그를 부분적으로 최적화했습니다. NoobAI Epsilon-pred v1 기반으로 학습했습니다.

폰니 기반 모델은 귀걸이, 귀 piercing 및 기타 귀 관련 액세서리를 강하게 생성하는 경향이 있으며, 때로는 캐릭터의 귀 구조를 망가뜨립니다. 관련 태그를 재정리하고, 데이터셋 내에서 구조적 오류가 경미한 이미지를 자르고 수동으로 수정했으며, 수정이 너무 어려운 이미지는 제거했습니다.

데이터셋 태그를 부분적으로 최적화했습니다. NoobAI Epsilon-pred v1 기반으로 학습했습니다.

폰니 기반 모델은 귀걸이, 귀 piercing 및 기타 귀 관련 액세서리를 강하게 생성하는 경향이 있으며, 때로는 캐릭터의 귀 구조를 망가뜨립니다. 관련 태그를 재정리하고, 데이터셋 내에서 구조적 오류가 경미한 이미지를 자르고 수동으로 수정했으며, 수정이 너무 어려운 이미지는 제거했습니다.

v3:

데이터셋을 1,429장의 이미지로 확장했으며, 긍정적 및 부정적 태그를 가진 예시를 포함했습니다.

이 중 774장은 가장 '원하는' 스타일의 이미지입니다.

Illustrious v0.1 기반으로 학습했습니다.

데이터셋을 1,429장의 이미지로 확장했으며, 긍정적 및 부정적 태그를 가진 예시를 포함했습니다.

이 중 774장은 가장 '원하는' 스타일의 이미지입니다.

Illustrious v0.1 기반으로 학습했습니다.

v2:

데이터셋을 374장의 이미지로 확장했습니다. 모델에 포함된 품질 및 미적 태그를 사용하여 생성 품질을 제어합니다.

데이터셋을 374장의 이미지로 확장했습니다. 모델에 포함된 품질 및 미적 태그를 사용하여 생성 품질을 제어합니다.

v1:

Civitai에서 224장의 이미지와 393장의 정규화 데이터를 학습했습니다.

Animagine v3.1 및 Pony v6 기반으로 두 버전을 학습했습니다.

Civitai에서 224장의 이미지와 393장의 정규화 데이터를 학습했습니다.

Animagine v3.1 및 Pony v6 기반으로 두 버전을 학습했습니다.

test ver.4:

약간 과소적합되었지만 여전히 작동합니다. Animagine v3.1이 학습한 품질 태그 및 고유 태그(best quality, masterpiece, very aesthetic 등)가 이 체크포인트의 생성 스타일을 변경한다는 것을 발견했습니다. 다음 테스트 버전에서 수정하겠습니다.

약간 과소적합되었지만 여전히 작동합니다. Animagine v3.1이 학습한 품질 태그 및 고유 태그(best quality, masterpiece, very aesthetic 등)가 이 체크포인트의 생성 스타일을 변경한다는 것을 발견했습니다. 다음 테스트 버전에서 수정하겠습니다.