1girlDistortion

보통 LoRA를 트리거 단어와 함께 학습할 때, 베이스 모델이 인식하지 못하거나 잘 처리하지 못하는 단어를 선택하는 것이 일반적입니다. 그렇지 않으면 베이스 모델이 단어를 해석하는 방식과 LoRA가 단어를 해석하는 방식 사이에 충돌이 생길 수 있기 때문입니다. 그러나 이 LoRA의 경우, LoRA와 베이스 모델 사이의 의도적인 충돌을 유발하려고 했습니다. 그리고 이 실험에 가장 적합한 트리거 단어는 Civitai에서 가장 인기 있는 프롬프트 용어인 1girl이었습니다.

저는 1girlDistortionU LoRA를 Wikimedia Commons에서 가져온 176장의 다양한 동물 고화질 이미지에 대해, 수동으로 작성된 캡션과 함께 1girl을 트리거 단어로 사용하여 학습했습니다. 낮은 가중치에서는 이미지에 동물 친구를 추가하거나 동물 귀, 날개, 꼬리 같은 특징을 추가하는 경향이 있습니다. 높은 가중치에서는 대상을 동물로 대체합니다.

저는 1girlDistortionL LoRA를 Wikimedia Commons에서 가져온 112장의 다양한 식물과 곰팡이 고화질 이미지에 대해, 수동으로 작성된 캡션과 함께 1girl을 트리거 단어로 사용하여 학습했습니다. 낮은 가중치에서는 이미지에 꽃을 추가하거나 배경을 실외로 변경하는 경향이 있습니다. 높은 가중치에서는 대상을 꽃이나 식물로 대체합니다.

저는 1girlDistortionLU LoRA를 Wikimedia Commons에서 가져온 288장의 다양한 동물, 식물, 곰팡이 고화질 이미지에 대해, 수동으로 작성된 캡션과 함께 1girl을 트리거 단어로 사용하여 학습했습니다. 학습 이미지가 동물에 치우쳐 있었기 때문에, 이 LoRA는 일반적으로 동물처럼 생긴 이미지를 생성하지만, 1girlDistortionU보다 더 많은 꽃 관련 이미지를 포함합니다.

예제 이미지를 생성하기 위해, 제가 좋아하는 SD 1.5 모델 중 몇 개를 선택해 1girl 프롬프트가 많은 반응을 일으킨 것을 찾아냈습니다. 그리고 동일한 모델과 프롬프트를 재사용하면서 1girlDistortion LoRA를 적용했습니다.

주어진 프롬프트에 적합한 가중치를 찾는 것은 약간 까다로울 수 있지만, 결과는 정말로 충격적일 수 있습니다. 최근 생성한 와이푸가 조금 지루하게 느껴진다면, 이 LoRA를 시도해 보세요.