Usagi Tsukino (Fanart) - Sailor Moon (LOCON version)

注意：此模型主要在Kuroinuu Juu和Glamour作品上训练，因此对大胸有偏向。如果你尝试让她变平但失败了，别抱怨。

V2：

如约奉上V2版本，稍有延迟，因为在保存最后一个epoch前几分钟发生了断电。是宇宙在反对它吗？很可能！但作为一个骄傲的文化差异者，宇宙去自个儿爽吧：P。

与以下内容配合效果良好：
lora:SMUsagiTsukinoV16:0.65 smusagitsukino,

我设法大致隔离了以下服装，为了最大化区分度，我不得不极其具体，否则总是得到一堆虚拟杂烩：

• ClassicSM_Blue_skirt_White_gloves_Red_boots_Red_choker_Red_bowtie_Red_back_bow_Circlet_Red_bun_cover
• EternalSM_Yellow_layered_skirt_Pink_puffy_sleeves_White_gloves_White_boots_Wing_brooch_Red_choker_Red_ribbon_Wings_Hairpin_Red_bun_cover_Golden_crescent_forehead_mark
• SuperSM_White_skirt_White_gloves_Red_boots_Yellow_choker_Red_bowtie_White_back_bow_Crescent_circlet_Hairpin_Red_bun_cover
• Princess_white_strapless_dress_huge_back_bow_Golden_crescent_forehead_mark
• school_uniform_blue_serafuku_blue_back_bow_red_bowtie
• golden_crescent_forehead_mark：在负向提示中使用此标签以移除或增强该特征。

此V2在技术上是V16版本，而Prodigy优化器通常并不优于AdamW。但在这种特殊情况下，由于水手月亮的概念已深深嵌入模型，以至于任何与之稍有关联的内容都会被过度训练。

事情是这样的：永恒服装比其他服装复杂得多，但SD仍能将其识别为水手战士服装。为了正确训练，我需要增加重复次数，但水手月亮的概念在模型中已过于根深蒂固，额外的重复直接把LoRA“烤糊”了。V1版本的LOCON使用了归一化来限制过度训练，但效果有限。过去一周我一直在调整重复次数、标签和学习率，直到偶然发现Prodigy优化器。由于它是动态的，似乎很好地学习了训练不足的部分（服装），同时忽略了过度训练的部分（Usagi本人）。

无论如何！和往常一样，我会提供训练数据集和标签摘要，以便大家自行尝试。其中包含大量她的制服碎片，如果你想混搭而不是只用标准制服，这些素材非常有用。

V1：

你有没有过这样的时刻：你知道问题的答案，其实有两个合理的解决方案，但你却愚蠢地选了第三个——那个几乎不可能的选项？

这就是了。这个LOCON使用了与我的LORA版本几乎相同的训练数据集，仅做了一些微调。

与以下内容配合效果良好：
lyco:SMUsagiTsukinoV6:.6, SMUsagiTsukino,

可用的服装套组包括：

• StandardSenshiOutfit
• EternalSMOutfit（会溢出到Super）
• SuperSMOutfit（会溢出到Eternal）
• SMPrincessOutfit
• SMSchoolUniform
• KuroInuLingerieSailorOutfit（成人向）

注意：这并不比LORA更好，只是不同。我唯一注意到的“正面”效果是：如果你用它搭配写实风格模型，它会生成廉价cosplay效果。

我之前的LORA存在的问题是服装之间相互混淆，这个问题在这里依然存在，但程度较轻。我曾考虑两个合理方案：一是将每套服装视为独立角色，从而将LORA转变为角色包；二是使用正则化图像，确保模型理解Usagi Tsukino不等于水手月亮。但我选择了第三个选项——我的思路是：“LOCON能吸收更多细节，因此即使LORA认为它们相同，LOCON可能不会。”结果确实有点效果。她的默认服装和Kuroinu的成人款之间的混淆明显减少。但Super和Eternal服装仍是一团乱麻。我归咎于裙子的多色特性，导致SD在标签层面将它们视为高度相似，仅在颜色和小配饰上有细微区别。

总之……总有一天我会重新训练，很可能将每套服装作为独立角色分离出来。如果我有动力，我甚至可能为LORA和LOCON都推出V2版本。我可以尝试用正则化图像，但额外的训练时间加上我的经验不足让我犹豫。理论上听起来很合理，事实上我早已有一组仅标记为“Usagi Tsukino”的小图像，期望SD能自动区分标签，但这些图像数量相对于整体训练集来说太少了。如果我用它们作为正则化图像，就必须大幅增加重复次数，可能使本已漫长的训练时间再翻倍。但我又开始啰嗦了……我们还是说，正则化图像看似是解决方案，但总是在挤占你本就有限的训练时间。

和往常一样，我会附上训练数据集和标签摘要，供大家自行试验。