Métal Hurlant (wörtliche Übersetzung: „Heulendes Metall“, „Schreiendes Metall“) ist eine französische Comic-Anthologie mit Science-Fiction- und Horrorgeschichten. Ursprünglich 1974 gegründet, wurden die Anthologien 1987 eingestellt, dann zwischen 2002 und 2004 in mehrsprachigen Ausgaben wiederbelebt und erneut 2020.

Anwendungshinweise

Lora-Gewicht

Basierend auf meinen Tests empfehle ich, alle Gewichte zwischen 1 und 2 auszuprobieren, um zu sehen, welches in Ihrem Anwendungsfall am besten funktioniert.

Wie man effektive Prompts für dieses Modell erstellt

Zunächst empfehle ich, sich von den Bildern inspirieren zu lassen, die vom Autor des Modells veröffentlicht wurden. Es ist kein Plug-and-Play-LoRA und erfordert eine korrekte Eingabeaufforderung. Wenn Ihr Bild keine Inhalte/Stile enthält, die für das LoRA relevant sind, hat es überhaupt keine Wirkung.
Bitte beachten Sie, dass die Wörter „image“ und „illustration“ ein sehr hohes Gewicht haben und bei Problemen leicht den Stil auslösen sollten.

Wenn Sie die besten Ergebnisse aus diesem Modell erzielen möchten, hier einige Tipps basierend auf einer Analyse der in den Trainingsdaten verwendeten Sprache:

1. Fokussieren Sie sich auf Schlüsselthemen und Beschreibungen:

- Was einbeziehen: Das Modell ist mit Begriffen wie „scene“, „figure“, „creature“, „background“ und „sky“ am vertrautesten. Beschreibende Wörter wie „large“, „red“, „intricate“ und „mechanical“ spielen ebenfalls eine wichtige Rolle.

- Beispiel-Prompt: „Erstellen Sie eine detaillierte Szene mit einer großen, roten mechanischen Kreatur im Vordergrund.“

2. Verwenden Sie gängige Phrasen:

- Warum es hilft: Das Modell versteht bestimmte Wortpaare und Phrasen sehr gut, da sie häufig in den Trainingsbeschreibungen auftauchten. Die Verwendung dieser kann Ihre Prompts natürlicher und effektiver machen.

- Beispiel-Prompt: „Das Bild zeigt eine fantastische Szene vor einem lebendigen Himmel.“

3. Nehmen Sie spezifische Namen oder Entitäten auf:

- Gezielte Ergebnisse: Wenn Ihr Prompt spezifische Charaktere, Orte oder Objekte erwähnt, kann das Modell fokussiertere und relevantere Ergebnisse erzeugen.

- Beispiel-Prompt: „Veranschaulichen Sie eine Szene mit einer Kreatur in einer mechanischen Umgebung.“

4. Strukturieren Sie Ihre Prompts wie Beschreibungen:

- Trainingsstil anpassen: Das Modell ist an Prompts gewöhnt, die beschreiben, was im Bild passiert, wie „The image depicts...“. Dieses Stilmittel zu imitieren kann dem Modell helfen, es besser zu verstehen und darauf zu reagieren.

- Beispiel-Prompt: „Das Bild zeigt eine große Kreatur in einer komplexen, blau gefärbten Szene.“

5. Experimentieren und verfeinern:

- Iterieren Sie Ihre Prompts: Beginnen Sie mit diesen Vorschlägen, ändern Sie dann Wörter und Phrasen, um zu sehen, was am besten funktioniert. Kleine Änderungen können manchmal zu großen Verbesserungen in den Ergebnissen führen.

Beispiel-Prompts, die Sie mit diesem Modell ausprobieren können:

1. Prompt für eine Fantasieszene:

- „Erstellen Sie eine lebendige Fantasieszene mit einer großen, roten Kreatur, die im Vordergrund vor einem mechanischen Hintergrund steht.“

2. Prompt für eine detaillierte Illustration:

- „Illustrieren Sie eine komplexe Figur vor einem detaillierten, blauen Himmel mit verschiedenen mechanischen Strukturen im Hintergrund.“

3. Prompt mit spezifischem Charakter:

- „Stellen Sie die Figur Moebius dar, wie sie eine surreale, fremdartige Landschaft mit filigranen Details und einer lebendigen Farbpalette erkundet.“

4. Prompt für eine mechanische Kreatur:

- „Zeigen Sie eine große, mechanische Kreatur, die die Szene dominiert, mit komplexen Mustern und einer tiefroten Farbpalette.“

5. Prompt für eine traumartige Umgebung:

- „Gestalten Sie eine traumartige Szene mit schwebenden Kugeln und Wolken am Himmel, mit einer detaillierten Figur, die von einer ätherischen Atmosphäre umgeben ist.“

Datensatzinformationen

Top 20 Substantive und Adjektive nach Häufigkeit im Datensatz:

• image: 147

• scene: 80

• figure: 59

• creature: 58

• large: 55

• red: 54

• background: 50

• sky: 50

• various: 45

• foreground: 44

• intricate: 43

• color: 42

• palette: 42

• figures: 41

• blue: 40

• overall: 36

• structure: 34

• mechanical: 33

• illustration: 30

• face: 30

Top 20 Kollokationen nach Häufigkeit im Datensatz:

• ('to', 'be')

• ('The', 'image')

• ('appears', 'to')

• ('image', 'depicts')

• ('color', 'palette')

• ('there', 'are')

• ('In', 'the')

• ('depicts', 'a')

• ('the', 'foreground')

• ('theres', 'a')

• ('dominated', 'by')

• ('The', 'overall')

• ('seems', 'to')

• ('palette', 'is')

• ('a', 'large')

• ('There', 'are')

• ('graphic', 'novel')

• ('shades', 'of')

• ('is', 'dominated')

• ('scene', 'set')