이 모델을 어떠한 상업적 목적이나 불법 행위에도 사용하지 마세요. 무단으로 공유하거나 재배포하지 마세요. 오직 성과 공유를 목적으로만 사용하시며, 위반 시 책임은 본인에게 있습니다.

저는 국내 플랫폼 tusi.art와 liblibai.com에도 모델을 업로드했습니다. 각 플랫폼의 창작 인센티브 정책이 다르므로, 많은 관심과 지원 부탁드립니다!

(제 QQ 그룹: 235392155, Lora 대행 및 ckpt 융합 조정은 QQ: 2402799912로 문의하세요)

이것은 제 '애발전' 페이지입니다. 전기료라도 보태주세요 QAQ, 지원해 주셔서 감사합니다~

V2:

동일한 학습 데이터셋으로, 학습 파라미터를 조정했습니다. 권장 가중치: 1

niji를 사용해 학습한 스타일 LoRA로, 본래 화풍 외에도 남성 캐릭터 묘사 능력을 향상시킵니다. 권장 가중치는 기본 모델에 따라 달라지므로 직접 실험해보세요.

(저는 미술 및 AI 관련 전문 교육을 받은 적 없지만, 꾸준히 학습하고 다양한 전문가들과 경험을 나누고 있습니다. 제가 중요한 것으로 여기는 일에는 엄격한 정신적 청결함을 지키고자 하며, 제 영역 안에서 올바른 AI 지식을 전달하고자 합니다.)

1. LORA

애니메이션 캐릭터 LoRA의 최적 가중치는 1입니다. 가중치를 조정하면 피팅 성능을 개선할 수 있지만, 부작용도 동반됩니다. 예를 들어, Civitai의 애니메이션 캐릭터 LoRA는 대부분 과적합되어 있어, 이를 해결하기 위해 0.6 또는 0.8로 가중치를 낮추는 것이 일반적입니다. 그러나 이는 캐릭터의 원래 외형 특징을 일부 잃게 만듭니다.
과적합의通俗 설명: 지나친 학습으로 인해 LoRA가 기계적으로 굳어져, 태그에 반응하지 않고 원본 데이터의 이미지를 그대로 출력하는 현상입니다.

2. CKPT

CLIP 편향과 UNet 과적합은 모두 모델이 태그를 무시하는 원인입니다.
CLIP 편향은 태그 인식 오류를 일으킵니다. Civitai에는 이 문제를 인지하지 못한 모델이 많습니다. 관심이 있다면 아래 '기타' 섹션에서 이를 검사하고 간단히 수정하는 방법을 안내하겠습니다.
UNet 과적합도 모델을 경직되게 만들고 태그에 반응하지 않게 하며, 태그 없이도 아름다운 이미지를 생성하는 경우가 있는데, 이는 과적합으로 인해 원본 이미지를 출력하는 현상입니다.
융합형 CKPT는 모델의 출력 품질 하한선을 높이는 데 효과적이지만, 태그 가중치가 불안정하여 각각의 “특성”을 지니며, 이러한 모델로 학습한 LoRA는 다른 모델에서는 잘 작동하지 않습니다.

3. VAE

4. 기타

메모리 사용량이 큰 모델이 반드시 좋은 것은 아닙니다. 많은 모델에는 불필요한 데이터가 포함되어 있어 다운로드만으로도 데이터와 메모리를 낭비할 수 있습니다.
샘플 이미지의 우수함은 모델의 품질을 보장하지 않습니다. 저자의 미적 취향 외에도, 그가 몇 개의 모델과 플러그인을 사용했는지, 텍스트-이미지 생성과 이미지-이미지 생성을 몇 번 반복했는지는 알 수 없습니다.
다운로드 수나 좋아요 수도 모델 품질을 판단할 수 없습니다. 좋아요 수는 다운로드 수에 의존하고, 다운로드 수는 저자의 명성, 썸네일 이미지의 대상층, 모델 캐릭터의 인기, 화풍의 수요, 모델 유형의 수요 등 여러 요인에 영향을 받습니다.
모델의 최신 버전이 가장 좋은 것은 아닙니다. 대부분은 특정 버전을 기반으로 한 방향성 조정입니다. 일부 작가는 다운로드 수를 늘리기 위해 무의미하게 업데이트를 반복하기도 합니다. 실제로 사용해보면 모델 성능은 원래 수준을 벗어나지 못하는 경우가 많습니다.
더 전문적이고 상세한 지식은 만상용로 | Anything V5/Ink 설명 부분을 참고하세요. CLIP 편향 검사 및 수정 관련 확장 링크는 이 문서 상단에 있습니다.

모델 링크: 만상용로 | Anything V5/Ink - V3.2++[ink] | Stable Diffusion Checkpoint | Civitai