AnythingQingMix

_Qing__Qing_
2.1K
13.5K
アニメfemalegaybarastyleyaoi女性girlsmalemanmenリアルwomenboys
v3.0v2.0v1.0

詳細

ファイルをダウンロード

モデル説明

このモデルは、あらゆる商業的および違法行為に使用しないでください。無断転載を禁じ、成果の共有のみにご利用ください。違反した場合の責任は使用者にあります！

（私のQQグループ：235392155、LoRA代行・CKPT融合調整はQQ：2402799912まで）

中国国内のプラットフォームtusi.artとliblibai.comにもモデルを掲載しています。各プラットフォームの創作インセンティブ制度は異なりますので、ぜひご注目・ご支援ください！（このモデルのサンプル画像に一部の出力例を公開します）

【Xianyu】https://m.tb.cn/h.5V7ITvv?tk=eY01dB4UcnH

これは私の「愛発電」です。電気代の補填にご協力くださいQAQ。ご支援ありがとうございます～

https://afdian.net/a/Qing

一、モデルの特徴概要

V3：

更新内容：

  1. MBWプラグインを使用し、網羅的探索法でbasil mixの入力層および中間層の一部を融合
  2. MBWプラグインを使用し、非常に低い重みでモデルの出力層の一部を網羅的探索法で融合

更新効果：

  1. タグの正確性が向上
  2. 飽和度が向上し、画像のリアルな質感が強化
  3. 光影効果の再現性が向上
  4. 肢体の正確性が向上
  5. キャラクターLoRAの再現精度が向上

注意事項：

  1. 過剰な飽和を避けるために、VAEにはanimevaeの使用を推奨します（ギャラリーのサンプル画像はこのVAEと84000の両方を使用しています）
  2. タグの正確性が向上した分、タグの記述要求も厳しくなります。V3が使いにくい場合は、V2またはV1をご試用ください

V2：

（成熟した筋肉質男性を好む方、またはシンプルさを求める方はV1をご利用ください）

更新内容：

  1. NovelAIオリジナルVAEをモデル内VAEに置き換え
  2. CKPT内CLIPモデルを網羅的探索法で置き換え
  3. V1のLoRA未融合バージョンと融合

更新効果：

  1. タグの正確性が向上
  2. 構図の質が向上
  3. LoRA融合によるイメージの固定化が軽減
  4. 特定タグへの過重み付けが軽減

V1：

  1. 泛用性の高い融合モデル。複数の画風に対応でき、出力の下限が高く、タグの正確性も優れています。返し画像の領域ではその大きな強みも見られます^v^
  2. 人体構築能力が非常に高く、四肢の崩壊はこれまで一度も発生していません。手・足の崩壊確率も非常に低い
  3. 顔への影響を意図的に避けて融合したため、顔が固定化されておらず、キャラクターLoRAとの組み合わせに最適
  4. CLIPのオフセット問題なし
  5. UNetの過学習により、一部のタグが意図通りに動作しない場合があります

二、画像生成の推奨設定

（詳細はカバー画像の各種パラメータをご覧ください。異なるVAEで異なる効果が得られます。私はFace Editorプラグインもよく使用します）

  1. 実写モデルの大部分を融合しているため、実写ベースモデルと同様のパラメータで試してみてください。ただし、顔の修復機能は非常に推奨しません
  2. 画像生成時に品質ワードを追加すると効果的です。よりリアルで立体的に見せたい場合は、リアリズムや光・影に関連するタグを使用してください
  3. 同一タグで、CLIPのスキップ層を1と2に設定した際の生成結果を比較してみてください
  4. 正方形、縦長、横長のキャンバスサイズいずれでも良好な結果が得られます。自由にキャンバスサイズを調整してください
  5. 高解像度修復の使用を推奨します。顔の修復は避けてください
  6. ぜひ「いいね」、返し画像、コメント、5つ星評価をお願いします！

三、融合に使用したモデル

（正確なモデルである保証はできません。参考資料としてご活用ください）

VAE：orangemixa3.vae.pt

LoRA：（総合重み：0.3）

CKPT：

四、訪問者へのモデル使用に関する提案とQ&A

（英語版の翻訳は以下に記載）

（私はアマチュアであり、美術やAIの専門的な学習経験はありませんが、継続的に学び、多くの有識者と意見を交換しています。私は自分が重要視する事柄に対して非常に高い精神的な清浄さを求めているため、自分の範囲内で正しいAI知識を伝えることを心がけています。以下に記載した内容は、個別の質問に対してそれぞれ回答したものであり、すべて該当する情報です。）

1、LORA

  • アニメキャラクター向けLORAについては、最適な重みは1です。重みを変更することでフィッティングを改善できるかもしれませんが、その一方で悪影響も伴います。例えば、Civitai上のアニメキャラクターLORAはほとんど過剰適合しており、この問題を改善するためにしばしば重みを0.6や0.8に下げることが推奨されますが、これによりキャラクターの元の外観の特徴の一部が失われてしまうことになります。

  • 過剰適合の通俗的な説明：訓練が過剰に行われた結果、LORAの出力が硬直化し、タグの指示に従わなくなったり、元の学習データの画像をそのまま出力したりする現象。

2、CKP

  • CLIPのオフセットとUNetの過剰適合は、いずれもモデルがタグに従わなくなる原因になります。

  • CLIPのオフセットはタグの認識に問題を引き起こします。Civitaiには、この問題を抱えているにもかかわらず自覚していないモデルが多数存在します。興味があれば、「その他」のセクションで、この問題の確認および簡単な修正方法をご案内します。

  • UNetの過学習もモデルを硬直化させ、タグの指示に従わなくなる可能性があり、甚至タグなしで美しい画像を生成してしまうこともあります。これは過学習が元の画像を吐き出す状態です。

  • フュージョン型CKPTはモデルの出力品質の下限を大きく向上させますが、フュージョンモデルはタグの重み付けが非常に不安定であり、それぞれ「特徴」を持ちます。同様に、このようなモデルに基づいて学習されたLoRAは、他のモデルではほとんど適用できません。

  • 大規模モデルがLoRAや他のモデルを受け入れやすくしたい場合は、CKPを融合させる際にLoRAを含めないよう努めてください。または、私と同じように、不満な部分を低重みで修正する形で融合させることを検討してください。

3、VAE

  • CKPにはすでにVAEが内蔵されており、外部VAEは追加の機能を提供するものではなく、置き換えのために使用します。

  • VAEは単に彩度の変化をもたらすだけではなく、構図や細部の調整など、画像生成全体に影響を与えます。

4、その他の注意点

  • モデルのメモリ使用量が多いからといって必ずしも優れているわけではありません。多くのモデルには不要なデータが大量に含まれており、ダウンロードしてもネットワークとストレージの無駄です。

  • サンプル画像の良し悪しではモデルの品質を判断できません。作者の審美観以外に、どのくらいのモデルやプラグインを使用したか、テキストから画像へ何回、画像から画像へ何回生成を行ったかは不明です。

  • ダウンロード数やいいね数もモデルの品質を保証しません。いいね数はダウンロード数に依存し、ダウンロード数は作者の知名度、カバー画像の受容性、モデルキャラの人气、画風の受容性、モデルタイプのターゲット層などに影響されます。

  • モデルが最新バージョンであるからといって必ずしも最良とは限りません。多くの場合、特定のバージョンに対して異なる方向性での微調整が行われています。さらに、一部の作者は更新を繰り返すことでダウンロード数を増やそうと、実質的な改善がなくとも意図的に更新を繰り返すケースもあります。実際の使用では、モデルの品質は当初のまま、ほとんど進歩していない場合が多いです。

  • より専門的で詳細な知識については、「万象熔炉 | Anything V5/Ink」の紹介部分をご覧ください。CLIP偏倚の検査と修正に関する拡張リンクは、このドキュメントの前半に記載されています。

    モデルリンク：万象熔炉 | Anything V5/Ink - V3.2++[ink] | Stable Diffusion Checkpoint | Civitai

4. ユーザーからのモデル使用に関する質問と回答：

（私は芸術やAIの正式な教育を受けていない一般市民ですが、継続的に学習・探求し、さまざまな専門家と経験を交換してきました。私が関心を持つ事柄については正確性を重視しており、そのため私のスペースでは正しいAI知識を伝えることを心がけています。詳細は以下のドキュメントに記載されており、個別の問題への対応のみを目的としています。）

1. LoRA：

アニメキャラクター向けLoRAの理想的な重みは1です。重みを調整することでフィッティングを改善できますが、それに伴い望ましくない影響も生じる可能性があります。例えば、一部の画像共有サイトでは、多くのアニメキャラクターLoRAが過学習されています。これを緩和するために、重みを0.6または0.8に下げることが推奨されることがあります。しかし、これによりキャラクターの元の特徴が一部失われてしまうことがあります。

過剰適合の簡単な説明：過度な訓練によりLORAのパフォーマンスが硬直化し、キャラクターがタグに従わなくなる、または入力素材と無関係な画像を生成してしまうことがある。

2. CKP：

ClipオフセットとUNetの過剰適合のどちらも、モデルがタグに従わなくなる原因となる。

Clipオフセットはタグ認識の問題を引き起こす。特定のプラットフォーム上の多くのモデルが、無意識のうちにこの問題を抱えている。興味があれば、「その他」セクションの下で、この問題の確認と修復方法を提供する。

UNetの過剰適合は、硬直化、タグに従わない、あるいはタグなしで魅力的な画像を生成する原因にもなる。この状況は、過剰適合によって元の素材とほぼ同一の画像が生成される場合である。

フュージョンスタイルのCKPTモデルは、画像生成品質の下限を高めることができる。しかし、フュージョンモデルにおけるタグの重みはしばしば整理されておらず、多様な「特徴」を生み出す。同様に、こうしたモデルを基にトレーニングされたLORAは、他のモデルとの互換性が低くなる。

より大きなモデルでLORAや他のモデルとの統合を向上させたい場合、CKPモデルをマージする際にLORAをフュージョンしないようにすること。あるいは、私が行っているように、フュージョンプロセス中に重みの低い、やや劣る部分を取り入れることを検討してください。

3. VAE：

CKP自体にはVAEが含まれている。外部VAEは補完ではなく、これを置き換えるために使用される。

VAEの最も即時的な効果は彩度の変化である。しかし、これはその機能のすべてではなく、画像生成時に構成や詳細に影響を与えることもある。

4. その他：

メモリ消費量の大きいモデルが必ずしも優れているわけではない。多くのモデルには不要なデータが含まれており、帯域幅とメモリを無駄にしている。

サンプル画像の品質は、モデルの品質を決定づけるものではない。作者の美的好みの他に、どのくらいのモデル、プラグイン、反復回数が関与していたかを判断することはできない。ダウンロード数やいいね数も決定的な指標ではない。いいねはしばしばダウンロードと関連しており、それは作者の評判、カバー画像の魅力、キャラクターの人気、アートスタイルとの適合性、そして対象オーディエンスの種類に影響される。

モデルの新しいバージョンが常に優れているとは限りません。多くの場合、特定のバージョン内で異なる方向性に基づいて調整が行われます。実際、一部の作者はダウンロード数を増やすために意図的に更新を悪用しています。実務では、モデルの品質はほとんど変化しません。

より専門的で詳細な知識については、「万象熔炉 | Anything V5/Ink」の導入部分を参照してください。CLIPオフセット問題の確認と修正に関する拡張リンクは、この文書の前半にあります。

このモデルで生成された画像

画像が見つかりません。