LEOSAM's HelloWorld XL - HelloWorld XL 5.0 GPT4V

🖥️Willkommen zum Ausprobieren des Open-Source-Tools GPT4V-Image-Captioner, entwickelt von meinem Freund und mir. Es bietet eine Ein-Klick-Installation und ist mit mehreren Features ausgestattet, darunter Bildvor-Kompression, Bild-Tagging und Tag-Statistiken. Kürzlich haben wir auch die WebUI-Plugin-Version dieses Werkzeugs veröffentlicht, die für alle zur Nutzung offensteht!

🌍Willkommen zum Beitritt der QQ-Gruppen „兔狲·AIGC梦工北厂“ mit der Nummer: 780132897 und „兔狲·AIGC梦工南厂“ mit der Nummer: 835297318 (Zugangscode: 兔狲). Telegram-Chat „兔狲的SDXL百老汇“ mit Link: https://t.me/+KkflmfLTAdwzMzI1

📖HelloWorld 7.0 Update - 13. Juni 2024

Update-Zusammenfassung in einem Satz: HelloWorld 7.0 ist eine iterativ optimierte Version mit der besten Körper-Performance der gesamten Serie und weiter verbesserter Konzeptabdeckung sowie Detailvielfalt.

Update-Details:

1. Durch Hinzufügen von negativen Trainingsbildern, Verstärkung des Posen-Trainings und Optimierung des Clip-Modells wurde die Genauigkeit von Gliedmaßen und Händen im Vergleich zu früheren Versionen verbessert. Empfohlenes negatives Prompt sind: „bad hand, bad anatomy, worst quality, ai generated images, low quality, average quality“.

2. Die feinjustierte LoRA wurde vom offiziellen SPO-Modell extrahiert und in HelloWorld 7.0 integriert. SPO baut auf der DPO-Methode auf und das SPO Basismodell bietet im Vergleich zum DPO XL- und SDXL-Basismodell bessere Leistungen. SPO LoRA verbessert Bilddetails, Kontrast und verschönert Bilder. Dank an das technische Team von SPO.

3. Der Konzeptumfang des Trainingssets wurde weiter ausgebaut, wobei das Trainingsset optimiert und gestrafft wurde (große Trainingssets sind sehr teuer, und H800 ist schwer zu mieten – lokale Trainingszeiten sind begrenzt). Das Trainingsset umfasst aktuell 20.821 Bilder mit folgender Auflösungsverteilung. Es wird empfohlen, mehrere Auflösungen mit höherer Bildanzahl für die Ausgabe zu verwenden:

   (832, 1248) - Anzahl: 7128
   (896, 1152) - Anzahl: 6250
   (1248, 832) - Anzahl: 2402
   (1024, 1024) - Anzahl: 1639
   (1360, 768) - Anzahl: 928
   (1152, 896) - Anzahl: 870
   (768, 1360) - Anzahl: 432
   (960, 1088) - Anzahl: 506
   (992, 1056) - Anzahl: 162
   (1088, 960) - Anzahl: 140
   (704, 1472) - Anzahl: 120
   (1056, 992) - Anzahl: 122
   (1472, 704) - Anzahl: 115
   (1632, 640) - Anzahl: 75
   (640, 1632) - Anzahl: 12

4. Für alle Datensätze wurde GPT4O für ein erneutes Labeling verwendet. Diesmal wurde eine strukturierte Labeling-Methode angewandt, bestehend aus: „Ein-Satz-Zusammenfassung + mehrere Bildelement-Tags + inspiriert von XXX + ästhetische Qualitätsbeschreibung“, wobei die ästhetische Qualitätsbeschreibung fünf Stufen umfasst: schlechteste Qualität, niedrige Qualität, durchschnittliche Qualität, beste Qualität und Meisterwerk. Ein typisches Beispiel:

   konzeptionelle Kunst mit einer menschlichen Hand, die in rote und beige Bänder gewickelt ist, isoliert vor einfachem, hellem Hintergrund, realistischer Stil, minimalistisches Farbschema, glatte Texturen, verlängert und surreal, inspiriert von den surrealistischen Werken Salvador Dalís, Meisterwerk

Die „Häufig getaggten Wörter“ und „Häufige Kunststil-Listen“ zum "inspiriert von XXX" für HelloWorld 7.0 werden ausschließlich an Nutzer mit kommerzieller Lizenz vergeben. Partner, die eine HelloWorld XL-Model-Autorisierung erworben haben, wenden sich bitte bei Auslassungen an mich, um es kostenlos zu erhalten.

Spieler können sich an der Liste der häufigen Tagging-Wörter von HelloWorld 6.0 orientieren. Außerdem habe ich 150+ hochwertige Beispielbilder von HelloWorld 7.0 in der Galerie zur Verfügung gestellt, die als Referenz für eure Ausgaben dienen können. Modelle zu erstellen ist nicht einfach, ich danke den Spielern für ihr Verständnis und ihre Toleranz!

📖HelloWorld 6.0 Update - 20. April 2024

LEOSAM HelloWorld 6.0 Top 250 häufige Tagging-Wörter

Vielen Dank für eure Geduld. Ich war in letzter Zeit auf Jobsuche, was einige Verzögerungen bei den HelloWorld-Updates verursachte. Die wichtigsten Neuerungen in Version 6.0 sind:

• HelloWorld 6.0 ist eine iterative Verbesserung auf Basis von Version 5.0. Nach meinen Tests unterscheidet sich der Realismus-Effekt nicht signifikant von Version 5.0. Der Hauptvorteil von Version 6.0 liegt in der größeren Abdeckung von Konzepten im Trainingsset. Laut Feedback wurden diverse Themen verbessert, darunter Surrealismus, Boudoir, Gruppenfotos, Masken, Origami, 3D-Renderings, Autos, Drachen und Schwangerschaftsfotografie. Einige Beispiele sind in den Illustrationen zu sehen.

• HelloWorld 6.0 enthält bewusst einige minderwertige Bilder im Training, um die Reaktion des Modells auf negative Prompts zu verbessern. Es wird empfohlen, folgende Begriffe in negativen Prompts zu verwenden: „low quality, jpeg artifacts, blurry, poorly drawn, ugly, worst quality“.

• Das Haupttraining von HelloWorld 6.0 verwendet GPT4v-Tagging. Für Bilder, die GPT4v nicht taggen kann, wird cogVQA unter Anleitung von blip2-opt-6.7b für die tag-Verteilung eingesetzt. Der Tagging-Stil dieser multimodalen Modelle unterscheidet sich stark von herkömmlichen WD1.4-Taggern. Um Konzepte im Trainingsset genauer anzusprechen, habe ich die Top 250 häufigen Tagging-Wörter des HelloWorld 6.0 Trainingssets gesammelt. Ihr könnt diese Liste in diesem Dokument ansehen.

Obwohl SD3 bald erscheint, werde ich weiterhin HelloWorld XL 7.0 aktualisieren und hoffe auf größere Verbesserungen in Version 7.0!

📖2024.2.22 Vorstellung von "HW5.0_Euler_a_Lightning"

Dieses Modell ist eine beschleunigte Version des HelloWorld SDXL Basismodells und integriert Technologien von SDXL-Lightning. Ausgestattet mit dem Euler a Sampler und CFG 1 kann es Bilder in 6-8 Schritten erzeugen, was dreimal schneller als die ursprüngliche SDXL-Version ist. Außerdem sind diese Bildergebnisse besser als die von LCM oder Turbo-Versionen.

Empfohlene Parameter zur Bildgenerierung mit diesem Modell:

Sampler: Euler a (Wichtig! Das Modell ist speziell für Euler a angepasst, andere Sampler können schlechtere Ergebnisse liefern)

CFG-Skala: 1

Sampling-Schritte: 8 Schritte (6-8 Schritte sind akzeptabel)

Hires-Algorithmus: ESRGAN 4x / 8x_NMKD-Faces_160000_G

Hires-Aufskalierungsfaktor: 1.5x

Hires-Schritte: 8 Schritte

Hires Rauschunterdrückungsstärke: 0.3

📖2024.2.11 Vorstellung von "HelloWorld 5.0 GPT4V"

HelloWorld 5.0 ist das umfangreichste Update in der Geschichte der HelloWorld-Serie, getaggt mit GPT-4v, und wurde in Bereichen wie Science-Fiction, Tiere, Architektur und Illustration stark feinjustiert.

Vergleichende Tests zeigen Verbesserungen in dieser Version:

1. Variablere und dynamischere Figurenposen und Bildkompositionen, die visuell ansprechende Bilder schaffen;

2. Das Film-Datenset wurde intensiv trainiert. Während der Filmtextur-Effekt von Version 2.0 bis 4.0 schwach war, vermissten viele Fans den leogirl-Stil von Version 1.0. Dieses Update stärkt explizit die Filmtextur ohne Verlust anderer fotografischer Qualitäten. Filmtextur kann durch Phrasen wie film grain texture und analog photography aesthetic ausgelöst werden;

3. Verbesserte Ausdruckskraft in Themen wie Science-Fiction, Thriller und Tiere, mit einem stärker designten Gefühl bei Mechas und anderen Motiven. Tiere wie Pallas-Katze, Schneeleopard, Roter Panda, Großer Panda, Tiger und Hauskatzen sowie -hunde wirken lebensechter;

4. Dank GPT-Tagging sind Prompt-Treue und Konzeptgenauigkeit weiter verbessert.

Nachteile dieser Version:

1. Als umfassendes Feinjustierungs-Update kann die Fehlerquote bei Gliedmaßen leicht steigen – ein übliches Phänomen beim Verlassen bekannter Optimierungsbereiche. Frühere Versionen hatten intensive Gliedmaßentests für Verbesserungen, in der neuen Version war weniger Zeit für solche Verbesserungen. Trotzdem ist die Genauigkeit der Gliedmaßen mindestens höher als in Version 1.0, und zukünftige Updates werden weitere Verbesserungen bringen.

2. Aufgrund der verstärkten Filmtextur kann es trotz präzisem GPT-Tagging zu einem unvermeidbaren warmen Farbton in Bildern kommen. Mit Prompts wie studio light oder sharp focus lassen sich aber hochauflösende Studiofotos erzeugen. Durch geschickte Prompt-Nutzung sind Hauttöne und optische Wirkung oft besser als in vorherigen Versionen.

3. Diese Version enthält mehr Ganzkörper-Charakterbilder zur Verstärkung des Ganzkörper-Effekts, wodurch das Modell unter Umständen breitere Szenen erzeugt, wenn keine spezifische Charakterkomposition vorgegeben wird. Gesichtsdetails in 1024er Auflösung sind bei Ganzkörperaufnahmen eventuell weniger scharf als bei Halb- oder Nahaufnahmen. Dieses Problem lässt sich mit adetailer und 1.5x Hires bei 0.3 Intensität oder durch Kompositions-Prompts zur Vermeidung von Ganzkörperbildern verbessern.

4. Da einige hochwertige Illustrationsdatensätze hinzugefügt wurden, kann es sein, dass sich animierte Stile durch Prompts erkennen und animierte Bilder erzeugt werden. Wer das vermeiden will, sollte Prompt-Anpassungen vornehmen.

Dies sind die wichtigsten Neuerungen dieser Version. Das Training großer SDXL-Modelle ist anspruchsvoll, und bei Trainingssets mit annähernd zehntausend Bildern liegen die Kosten für Tagging und Training pro Modell über 300 USD. Ich lade alle ein, das Modell zu nutzen, und freue mich über jegliches Feedback! Wenn euch das Modell gefällt, wäre ich sehr dankbar, wenn ihr es weiterempfehlt.

📖2024.1.31 Vorstellung von "HelloWorld 4.0"

HelloWorld 4.0 ist eine progressive Übergangsversion vom Tagging mit blip+clip zum Tagging mit GPT4V. Ich habe zunächst ein reines GPT4V-Tagging-Modell trainiert und dann mit einem großen Anteil der HelloWorld 3.2 Version sowie 0,05 Anteil von Juggernaut XL (für Hauttöne) zusammengeführt. Die neue Version zeigt verbesserte Prompt-Treue und Konzeptabdeckung im Vergleich zu 3.2.

Das neue GPT4V-Tagging-Trainingsset hat sich von 4000 Bildern der helloworld3-Serie auf 8000 Bilder verdoppelt und umfasst nicht nur Porträts, sondern auch Tiere, Architektur, Natur, Essen, Illustrationen usw. Die reine GPT4V-Version zeigte jedoch ein Überanpassungsproblem, das vorläufig auf die Verdopplung der Bildzahl zurückgeführt wird. Ein nächster Schritt der iterativen Optimierung ist, möglichst viele Nicht-Porträt-Konzepte einzubinden und gleichzeitig Porträt-Training ausreichend zu gewährleisten. Aktuell wurde eine Mischung aus neuen und alten Versionen genutzt, um eine nahtlose Versionsübergabe sicherzustellen. Die Vorteile des erweiterten Konzeptumfangs und des GPT4V-Taggings werden erst in den nachfolgenden Generationen 5 und 6 deutlicher.

📖2024.1.5 Vorstellung von "HelloWorld 3.2"

Version 3.2 ist eine mit DPO Technologie optimierte Iteration. Im Vergleich zu Version 3.0 wurden Hauttöne und Gliedmaßen-Genauigkeit verbessert, aber die Unterschiede sind nicht groß, weshalb diese Version 3.2 und nicht 4.0 heißt.

📖2023.12.15 Vorstellung von "HelloWorld 3.0"

1. Das Trainingsset wurde erweitert, um die Fähigkeit des Modells zum Ausdruck verschiedener Kunststile, darunter Science-Fiction und Kunst, zu steigern.

2. Eine selbst entwickelte Qualitätssteigerung-LoCon (erstellt mit Slider-Technologie) wurde integriert, um die Bildqualität zu verbessern und Verzerrungen bei Fingern und Gliedmaßen zu verringern.

📖2023.11.17 Vorstellung von "HelloWorld 2.0"

Vielen Dank für eure Geduld. Nach diversen Herausforderungen ist die HelloWorld 2.0 Version endlich bereit und entspricht meinem Zufriedenheitsgrad. Die Hauptunterschiede zu 1.0 sind:

1. HelloWorld 2.0 benötigt keine Triggerwörter mehr, und die Ergebnisse sind vergleichbar mit Version 1.0 mit Trigger. Das Triggerwort 'leogirl' in 1.0 war stark mit Ostasiaten assoziiert. Nach Wegfall der Triggerwörter generieren Begriffe wie '1girl' noch oft ostasiatische Porträts, wenn die Ethnie nicht spezifiziert wird. Nun kann die Ethnie durch Keywords wie Nationalität, Hautfarbe usw. gezielt angegeben werden. Beispiel-Trigger für Begriffe wie 'Chinese', 'Russian', 'Iranian', 'Jamaican', 'Kenyan', 'dark-skinned', 'pale-skinned' sind weiter unten aufgeführt.

   

   Man kann auch verschiedene Charakterstile erzielen, indem man Namen von Personen verschiedener Länder und Geschlechter im Prompt verwendet, z.B. Han Meimei (China), Sophie Martin (Frankreich), Priya Patel (Indien), Fatima Al-Hassan (Arabien), Wanjiru Mwangi (Kenia). Diese Beispiele sind nur Vorschläge; es gibt viele weitere Möglichkeiten, die zum Experimentieren und Teilen einladen.

   

2. HelloWorld 2.0 balanciert Qualität und Farbgebung und bietet mehr Stiloptionen. Die 1.0-Version mit 'leogirl' erzeugte oft Bilder mit starker Filmtextur. HelloWorld 2.0 ist nicht mehr an Filmtextur gebunden und kann mit qualitätsbezogenen Prompts angepasst werden. Einige getestete und funktionierende Prompts sind:

   hochwertiges Fashion-Fotoshooting, Produktfoto, beliebtes koreanisches Make-up, aegyo sal, scharfes Hochqualitätsfoto, Studio-Beleuchtung, Mittelformatsfoto, Mamiya-Fotografie, Analogfilm, mittleres Porträt mit weichem Licht, realitätsnahes Bild, editiertes Foto, rohes Foto, echtes Foto, gescanntes Foto, Filmstille

   Die Farbschemata dieser Prompts sind wie folgt:

   

3. Das Trainingsset von HelloWorld 2.0 enthält deutlich mehr Ganzkörperfotos, um die Wirkung von SDXL bei Ganzkörper- und Fernporträts zu verbessern. Trotz Verbesserungen gegenüber Version 1.0 ist die Nutzung von 'adetailer' bei der Erzeugung von Ganzkörperfotos sehr zu empfehlen. Für Nutzer mit reichlich Videospeicher (24 GB) wird zudem eine 1,5-fache Hochauflösungs-Reparatur empfohlen, die Gesichtsdetaillierung deutlich verbessert.

📖2023.8.29 Vorstellung des "HelloWorld" SDXL Basismodells

Spezielle Erinnerung: Beim Verwenden des HelloWorld 1.0 Modells bitte das Triggerwort "leogirl" hinzufügen.

Im Unterschied zum SD1.5 Basismodell "MoonFilm" ist "HelloWorld" eine vollkommen neue realistische SDXL Basis-Modellserie. Um mehr Nutzern den Zugang zu HelloWorld zu ermöglichen, habe ich den originalen MoonFilm-Modell-Link beibehalten. HelloWorld kann als geistige Fortsetzung von MoonFilm auf der SDXL-Plattform verstanden werden, zielt aber darauf ab, weit mehr als nur realistischen und filmartigen Porträtqualität zu erreichen. Dank der weitaus besseren Informations- und Textverarbeitungsfähigkeit von SDXL im Vergleich zu SD1.5 ist HelloWorld ein Basismodell, das alle Dinge realistisch darstellen soll – oder anders gesagt, ich hoffe, mit HelloWorld eine virtuelle Fotografie-Welt aufzubauen.

Das realistische Basismodell für SD1.5 ist bereits sehr ausgereift und wird kaum noch signifikante Verbesserungen erfahren. Ohne Durchbruchstechnologien für die SD1.5-Plattform werden die Moonfilm- & MoonMix-Reihen voraussichtlich eingestellt. Meine Hauptenergie investiere ich in die Entwicklung der großen HelloWorld SDXL Modelle. Version 1.0 ist nun verfügbar, Version 2.0 ist in Entwicklung und wird voraussichtlich Anfang September veröffentlicht.

Als neues SDXL Modell unterscheidet sich HelloWorld in drei Punkten von traditionellen SD1.5 Modellen:

1. Im Unterschied zu SD1.5 Basismodellen, die meist keine Triggerwörter nutzen, muss beim Verwenden von HelloWorld 1.0 das Triggerwort "leogirl" beachtet werden. Dies sorgt für stabilere Trainingssätzeffekte im SDXL Modell.

2. HelloWorld unterstützt direkten Output in 1024*1024 Pixeln, ohne Hochskalierung. Die Qualität der Nahporträts entspricht der von SD1.5, doch bei Fernporträts gibt es noch Mängel im Output. Daher wird die Nutzung des ADetailer Plugins empfohlen, das effektiv Probleme bei entfernten Gesichtern korrigiert.

3. SDXL ermöglicht nun einfacherere Ergebnisse mit einfachen natürlichen Spracheingaben. Es empfiehlt sich, mehr natürliche Spracheingaben zu testen, um bessere Resultate bei realistischen AI-Fotos zu erreichen.

Nach mehreren Testläufen sind folgende Parameter-Einstellungen empfohlen:

• Schritte ≥ 25

• Sampler: DPM++ 2M Karras

• CFG-Skala: 10

• Größe ≥ 1024x1024

• ADetailer: aktiviert

Jeder ist eingeladen, HelloWorld auszuprobieren und Feedback zu geben. Eure wertvollen Meinungen sind sehr wichtig für die nächste Modellverbesserung!

Urheberrechtshinweis:

Die HelloWorld-Serie von Modellen (im Folgenden "das Modell") wurde von mir (im Folgenden "dem Besitzer") mit Unterstützung der LiblibAI-Plattform erstellt. Eine Veröffentlichung des Modells auf Plattformen außer LiblibAI und Civitai ist ohne Erlaubnis des Besitzers nicht gestattet.

Der Besitzer gestattet die kostenlose Nutzung von durch das Modell generierten Bildern für nicht-kommerzielle Bildungs- oder Informationszwecke unter der Bedingung, dass:

- Nutzer geltende Gesetze einhalten und keine Rechte des Modells oder Dritter verletzen.

- Als Urheber der Bilder die Bezeichnung "erstellt mit LEOSAM's HelloWorld Basismodell" klar angegeben wird.

Für jegliche kommerzielle Nutzung ist eine kommerzielle Lizenzvereinbarung mit dem Besitzer erforderlich. Anfragen zu kommerzieller Lizenzierung und Modell-Personalisierung sind über die auf der Homepage des Besitzers verfügbaren Kontaktmöglichkeiten zu richten.

Die Entwicklung und kostenfreie Verteilung des SDXL Modells ist eine bedeutende Leistung. Der Besitzer verpflichtet sich, kostenlose Updates des HelloWorld Modells für individuelle Enthusiasten bereitzustellen als Anerkennung für die Community-Beiträge zur Open-Source-Entwicklung. Kooperationen für kommerzielle Projekte sind wesentlich für die Weiterentwicklung und Verbesserung des Modells. Der Besitzer dankt allen Nutzern für Verständnis und Unterstützung.

Unbefugte Nutzung kann gegen geltendes Recht verstoßen und rechtliche Konsequenzen nach sich ziehen. Der Besitzer behält sich das ausschließliche Interpretationsrecht dieser Erklärung vor, die nach geltendem Recht geregelt wird.