Die Nutzung dieses Modells für jegliche kommerzielle und rechtswidrige Aktivitäten ist verboten, unerlaubtes Weiterverbreiten untersagt. Es dient nur zum Teilen von Ergebnissen. Verstöße erfolgen auf eigene Gefahr!

(Meine QQ-Gruppe: 235392155, Lora Training und ckpt-Integration Anpassungen über QQ: 2402799912)

Ich habe Modelle auch auf der inländischen Plattform tusi.art und auf liblibai.com, basierend auf den jeweiligen Kreativanreizen der Plattformen, ich würde mich über Unterstützung und Aufmerksamkeit freuen! (Ich veröffentliche einige Beispielbilder dieses Modells hier)

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

Das ist meine kleine Förderung, um etwas Stromkosten zu decken QAQ, danke für eure Unterstützung~

https://afdian.net/a/_Qing_

1. Modellmerkmale Übersicht

V3:

1. Update-Vorgang:

1. Verwendung des MBW-Plugins, durch Exhaustivsuche wurden Teile der Eingangs- und Zwischenschichten von basil mix integriert

2. Nutzung des MBW-Plugins, mit sehr geringem Gewicht wurden Teile der Ausgabeschicht des Modells integriert

2. Update-Effekte:

1. Genauigkeit der Tags wurde verbessert

2. Erhöhte Sättigung und verstärkte realistische Textur des Bildes

3. Verbesserte Licht- und Schatteneffekte

4. Genauigkeit der Körperdarstellung verbessert

5. Verbesserte Wiedergabetreue der Charakter-Lora

3. Hinweise

1. Empfohlenes VAE: animevae, um Überübersättigung zu vermeiden (Beispielbilder in der Galerie zeigen dieses VAE und 84000)

2. Höhere Genauigkeit bei Tags bedeutet höhere Anforderungen an deren Formulierung, wenn V3 zu schwierig ist, kann man V2 oder V1 ausprobieren

V2:

(Für diejenigen, die nur reife muskulöse Männer mögen oder eine einfachere Version wollen, kann V1 probiert werden)

1. Update-Vorgang:

1. Das originale NovelAI VAE wurde im Modell ersetzt

2. Exhaustivsuche zur Änderung des Clip-Modells im CKPT

3. Integration mit der Lora-losen V1-Version

2. Update-Effekte:

1. Verbesserung der Taggenauigkeit

2. Qualitätssteigerung der Komposition

3. Verringerung des durch Loraintegration bedingten festen Erscheinungsbildes

4. Reduktion zu hoher Gewichtung einzelner Tags

V1:

1. Generalisiertes Integrationsmodell, das unter Tags diverse Zeichenstile erzeugen kann mit hoher Performance und Taggenauigkeit, auch im Rückbildbereich zeigt es seine Stärke ^v^

2. Sehr starke Fähigkeit zur Körperformung, bisher keine Deformation bei Gliedmaßen, sehr geringe Fehlerquote bei Händen und Füßen

3. Beim Integrieren wurde bewusst die Gesichtseinwirkung vermieden, somit bleibt das Gesicht flexibel, ideal zum Kombinieren mit Charakter-Lora

4. Kein Clip-Versatzproblem

5. Unet zeigt leichte Überanpassung, weshalb manche Tags nicht immer korrekt angewendet werden

2. Empfehlungen zur Bildgenerierung

(Genauere Parameter siehe Coverbild, verschiedene VAE erzielen unterschiedliche Effekte, ich benutze auch gerne das Face Editor-Plugin)

1. Da viele echte Modelle integriert sind, kann man ähnliche Parameter wie für reale Bildbasen verwenden. Gesichtskorrektur wird jedoch sehr abgeraten

2. Es ist sinnvoll, Qualitäts-Keywords hinzuzufügen, sie sind nützlich, für realistischere, plastischere Darstellung sollten Tags zu Realismus und Licht eingesetzt werden

3. Experimentiere mit unterschiedlichen Clip-Skip-Werten 1 und 2 unter gleichen Tags

4. Quadratisch, hochformat und querformat funktionieren gut, Leinwandgröße kann frei angepasst werden

5. Hochauflösende Reparatur ausprobieren, Gesichtskorrektur wird nicht empfohlen

6. Bitte fleißig liken, zurückmelden, kommentieren und 5 Sterne vergeben~

3. Eingesetzte Modelle bei der Integration

(Ich kann nicht garantieren, dass es alle sind, dient nur als Referenz)

VAE:orangemixa3.vae.pt

LORA: (Gesamtgewicht 0,3)

• Husbando LoRA - v3 | Stable Diffusion LoRA | Civitai

• Animale LoRa - Animale LoRa v1 | Stable Diffusion LoRA | Civitai

• AIroticArt's Penis Model (LoRA) - v1.0 LoRA | Stable Diffusion LoRA | Civitai

CKPT:

• AbyssOrangeMix2 - NSFW - AbyssOrangeMix2_nsfw | Stable Diffusion Checkpoint | Civitai

• a7b3 - v1.0 | Stable Diffusion Checkpoint | Civitai

• maturemalemix - v1.2 | Stable Diffusion Checkpoint | Civitai

• ALLBoyMix - v1.0 | Stable Diffusion Checkpoint | Civitai

• YaoiGen - YaoiGen v0.4.4 | Stable Diffusion Checkpoint | Civitai

• Homoerotic - v2 | Stable Diffusion Checkpoint | Civitai

• Plazm Men - Plazm v1.0 | Stable Diffusion Checkpoint | Civitai

• HomoDiffusion (gay) - Homo Diffusion v1.0 FP32 | Stable Diffusion Checkpoint | Civitai

4. Einige Empfehlungen und Antworten für Besucher zur Nutzung des Modells

（Englische Übersetzung unten）

(Als Laie ohne formale Kunst- und KI-Ausbildung, der jedoch stetig lernt, forscht und Erfahrungen mit Experten austauscht. Ich lege großen Wert auf Korrektheit bei wichtigen Themen und möchte richtiges KI-Wissen in meinem Bereich vermitteln. Details stehen im folgenden Dokument, zur gesonderten Beantwortung spezifischer Fragen.)

1. LORA

• Für Anime-Charakter-LORA ist das ideale Gewicht 1. Durch Veränderung des Gewichts kann das Fitting verbessert werden, aber das bringt auch unerwünschte Nebenwirkungen. Zum Beispiel sind viele Anime-LORAs auf bestimmten Plattformen überangepasst. Zur Milderung wird oft eine Gewichtssenkung auf 0,6/0,8 empfohlen, was jedoch dazu führt, dass Charaktere einige ursprüngliche Merkmale verlieren.

• Vereinfachte Erklärung von Überanpassung (Overfitting): Übermäßiges Training führt zu starrer LORA-Leistung, wodurch Figuren nicht auf Tags hören oder sogar Bilder des Originalmaterials erzeugen.

2. CKP

• Sowohl Clip-Versatz als auch Unet-Überanpassung können dazu führen, dass Modelle Tags nicht folgen.

• Clip-Versatz verursacht Probleme bei der Tag-Erkennung. Viele Modelle auf bestimmten Plattformen haben dieses Problem unbewusst. Bei Interesse gebe ich im Abschnitt "Andere" Wege zur Kontrolle und einfachen Reparatur an.

• Unet-Überanpassung führt ebenfalls zu starrer Leistung, kein Befolgen von Tags oder sogar ansprechende Bilder ohne Tags (Überanpassung erzeugt Bild fast identisch mit Original).

• Fusionierte CKPT-Modelle erhöhen die untere Grenze der Bildqualität, aber die Tag-Gewichte sind oft unkoordiniert und erzeugen individuelle "Charakteristiken". Dementsprechend sind LORAs auf solchen Modellen schwer übertragbar.

• Wenn Sie größere Modelle verwenden und LORA besser integrieren möchten, vermeiden Sie LORA-Fusion beim CKPT-Merging oder integrieren Sie, wie ich, unerwünschte Teile mit niedrigem Gewicht als Korrektur.

3. VAE

• CKP hat ein eigenes VAE, externe VAE dienen zum Ersetzen, nicht zum zusätzlichen Ergänzen.

• Der offensichtlichste Effekt von VAE ist Veränderung der Sättigung, es beeinflusst aber auch Komposition, Details und mehr bei der Bildgenerierung.

4. Andere

• Große Modelle mit hohem Speicherverbrauch sind nicht zwingend besser; viele enthalten überflüssige Daten, verschwenden Bandbreite und Speicher.

• Beispielbilder sagen nichts über Modellqualität aus, da ästhetische Präferenzen, Zahl der eingesetzten Modelle und Plugins sowie Durchläufe unklar sind.

• Downloadzahlen und Likes sind ebenfalls kein Maßstab, da sie von Bekanntheit des Autors, Coverbild, Figurenpopulärität, Stil und Zielpublikum abhängen.

• Neuere Versionen sind nicht immer besser. Updates können verschiedene Richtungen reflektieren, manche Autoren nutzen Update-Pushs für mehr Downloads, die Qualität stagniert aber.

• Mehr Fachwissen finden Sie in der Einführung zu "万象熔炉 | Anything V5/Ink"; dort sind auch Links zur Prüfung und Reparatur von Clip-Versatz.

  Modell-Link: 万象熔炉 | Anything V5/Ink - V3.2++[ink] | Stable Diffusion Checkpoint | Civitai

  

4. Vorschläge und Antworten zur Nutzung des Modells durch Besucher:

(Als Laie ohne formale Kunst- und KI-Ausbildung, habe ich mich dennoch stetig weitergebildet, erkunde und tausche mich mit Experten aus. Ich lege großen Wert auf eine korrekte Vermittlung von KI-Wissen in meinem persönlichen Bereich. Details sind im folgenden Text, dienen zur separaten Beantwortung von Problemen.)

1. LORA:

Für Anime-Charakter-LORA ist das beste Gewicht 1. Obwohl man durch Anpassung der Gewichte das Fitting verbessern kann, entstehen oft unerwünschte Nebeneffekte. Zum Beispiel sind auf manchen Plattformen viele Anime-LORAs überangepasst. Zur Verbesserung wird oft eine Gewichtreduktion auf 0,6/0,8 empfohlen, was den Charakter jedoch teilweise sein ursprüngliches Aussehen verlieren lässt.

Vereinfachte Erklärung für Überanpassung: Übermäßiges Training führt zu starrer LORA-Leistung, wodurch Charaktere Tags ignorieren oder Bilder des Ausgangsmaterials ausgeben.

2. CKP:

Sowohl Clip-Versatz als auch Unet-Überanpassung führen dazu, dass Modelle nicht auf Tags hören.

Clip-Versatz verursachte Tag-Erkennungsprobleme; viele Modelle besitzen dieses Problem ohne es zu wissen. Bei Interesse gebe ich Möglichkeiten zur Kontrolle und Reparatur unter "Andere" an.

Unet-Überanpassung kann Modelle versteifen, sie ignorieren Tags oder liefern auch ohne Tags ansprechende Bilder – ein Symptom für Überanpassung.

Fusionierte CKPT-Modelle verbessern die Qualitätsschwelle, aber die Tag-Gewichte sind oft unkoordiniert, mit eigenen "Charakteristika". LORAs, die auf solchen Modellen trainiert wurden, sind schlecht auf andere Modelle übertragbar.

Wer große Modelle nutzen möchte, um LORA besser einzubinden, sollte beim Fusionieren der ckpt-Modelle keine LORA integrieren oder, wie ich, unerwünschte Teile mit geringem Gewicht korrigieren.

3. VAE:

Das CKP-Modell enthält bereits ein VAE. Externe VAEs ersetzen es, ergänzen es nicht.

Das sichtbarste Ergebnis eines VAE ist die geänderte Sättigung, aber es wirkt sich auch auf Komposition, Details und mehr aus.

4. Andere:

Große Modelle sind nicht zwangsläufig besser, oft enthalten sie unnötige Daten und verschwenden Speicher und Traffic.

Beispielbilder erlauben keine sichere Aussage über Modellqualität, da Ästhetik, Anzahl der Modelle/Plugins und Trainingsdurchläufe unbekannt sind.

Download- und Likezahlen spiegeln ebenfalls keine Qualität wider, da sie von Bekanntheit, Coverbild, Figuren- und Stilbeliebtheit sowie Zielgruppe beeinflusst sind.

Neuere Versionen sind nicht immer die besten. Anpassungen können verschiedene Richtungen widerspiegeln; manche Autoren nutzen Updates zur Downloadsteigerung, die Qualität stagniert.

Für tieferes Wissen siehe Einführung von "万象熔炉 | Anything V5/Ink", dort sind auch Links zur Prüfung und Reparatur des Clip-Versatzes.