MakkiXL
세부 정보
파일 다운로드
이 버전에 대해
모델 설명
Illustrious XL v0.1을 makkishizu가 재개했습니다.
주로 4060Ti를 사용하여 2+8 에포크 동안 4만 장의 고평가된 Danbooru 2024 이미지로 학습되었습니다.
컴퓨팅 자원의 한계로 인해 매우 큰 데이터셋으로 학습하지는 않았으며, 주요 목표는 Illustrious XL의 "기본 예술 스타일"(아티스트 태그 없음)을 개선하고 사용자 선호도를 반영하는 것이었습니다. 다음 비교 샘플 이미지를 참조하세요:
더 큰 데이터셋으로 학습된 모델을 선호하신다면 noobai-xl-nai-xl을 시도해보세요.
사용 가이드라인
이 모델은 자연어가 아닌 Danbooru 스타일 태그를 사용하여 학습되었습니다! 최적의 결과를 얻기 위해 태그만 사용하세요.
사용법은 기본적으로 Illustrious XL과 동일하며, 아티스트 목록을 사용하여 예술 스타일을 조정할 수 있습니다. 아티스트 목록에 관심이 있으나 어떻게 작성해야 할지 모르겠다면, novelai_300artist를 사용해보세요.
이 모델은 ARB 1024x1024 해상도를 지원하며, 최소 해상도는 256, 최대 해상도는 2048입니다. 표준 SDXL 해상도도 사용 가능하지만, 1024x1024보다 약간 높은 해상도를 권장하며, 더 나은 출력 품질을 위해 hires-fix를 적용하는 것도 권장됩니다.
자세한 내용은 제공된 샘플 이미지를 참조하세요.
Illustrious XL의 사용 지침에 더해:
추천 샘플링 방법: Euler a, 샘플링 단계: 20–28, CFG: 5–7.5 (사용 사례에 따라 다를 수 있음).
이 모델은 "worst quality", "bad quality", "average quality", "good quality", "best quality", "masterpiece (quality)"와 같은 품질 태그를 지원합니다.
또한, 이 모델은 평가 태그의 분포를 균형 있게 조정하여 다양한 평가 수준으로 이미지를 구분할 수 있습니다:
평가 수정자 평가 기준
safe 일반
sensitive 민감
nsfw 의심스러움
explicit, nsfw 명시적
추천 프롬프트 형식:
<|special|>,
<|characters|>, <|copyrights|>,
<|artist|>,
<|general|>,
<|quality|>, <|meta|>, <|rating|>
추천 네거티브 프롬프트:
worst quality, comic, multiple views, bad quality, low quality, lowres, displeasing, very displeasing, bad anatomy, bad hands, scan artifacts, monochrome, greyscale, twitter username, jpeg artifacts, 2koma, 4koma, guro, extra digits, fewer digits, jaggy lines, unclear
학습 세부 정보:
이 모델의 학습 데이터셋은 hakubooru에서 가져왔습니다.
MakkiXL의 학습은 LyCORIS 프로젝트와 lora-scripts의 트레이너에 의해 지원되었습니다.
원래 LoKr 파일은 "makki_illustrious_lokr" 버전으로도 제공됩니다. 자세한 설정은 makki_illustrious_lokr에서 LyCORIS 구성 파일을 참조하세요.
하드웨어: RTX 4060Ti
학습 이미지 수: 43,216
총 에포크: 2+8
총 스텝: 6760
배치 크기: 1
그래디언트 누적 스텝: 64
등가 배치 크기: 64
최적화기: Lion8bit
학습률: UNet에 대해 5e-5 / TE는 학습하지 않음
학습률 스케줄러: Constant
최소 SNR 감마: 5
노이즈 오프셋: 0.03
해상도: 1024x1024
최소 버킷 해상도: 256
최대 버킷 해상도: 2048
혼합 정밀도: BF16
라이선스
이 모델은 Fair-AI-Public-License-1.0-SD 라이선스 하에 공개됩니다.
자세한 정보는 다음 웹사이트를 확인하세요:
Freedom of Development freedevproject.org
기여자 리포지토리
이러한 강력한 베이스 모델을 제공해준 onommai 오픈소스에 감사드립니다.