Intro. 简介：

Ein style LoCon, trainiert auf pony-basierten Modellbildern, die von der Civitai-Seite mit den "meisten Sammlungen" und "meisten Reaktionen" gesammelt wurden.

这是一个训练自Civitai上点赞最多和收藏最多的pony系模型图片的画风LoCon。

Dieses LoRA zielt nicht darauf ab, einen bestimmten Künstlerstil oder eine Technik zu simulieren. Es KÖNNTE jedoch bis zu einem gewissen Grad den Geschmack der Community und die visuelle Attraktivität eines Bildes widerspiegeln. Die Stile können sich je nach Prompt subtil ändern.

这个lora并不意于还原某个特定的画师画风或者绘画技巧。它在某种程度上可能反应了社区审美和图片的视觉吸引力。 不同的提示词下可能会有微妙的画风变化。

Verwendung 使用方法：

Versionen vor V2 haben keine spezifischen Trigger-Wörter. Bitte verwenden Sie die Qualitäts-Tags, die mit dem jeweiligen Modell geliefert werden.

Für V3 und spätere Versionen wurden die folgenden Tags trainiert:

V2以前的版本没有特定触发词。请使用对应模型自带的质量提示词。

Für v3及后续版本，训练了以下标签：

positiv:

masterpiece, best quality, very aesthetic

negativ:

worst quality, low quality, displeasing

Sie können die Eingabeaufforderungen auf dieser Basis bearbeiten.

Daten-Generierung 数据版本：

v6:

Über 500 neue Bilder hinzugefügt, einige davon stammen von Flux. Einige ältere Bilder, die als von geringerer Qualität eingeschätzt wurden, wurden entfernt.

Die Gesamtzahl der Bilder im Datensatz übersteigt nun 3.000, mit über 20 Konzepten, die manuell über 6 Versionen des Datensatzes verbessert/bearbeitet wurden.

Das Modell-Ranking wurde ebenfalls erhöht.

新添加了500+张图片其中有一部分选自flux生成的图像。删除了一部分我认为品质不佳的旧图片。

现在总的图片数超过了3000，6个版本的数据总共手动增强/修正了20多条概念。

增加了模型的rank。

v5.9:

Die Leistung des Modells entspricht nicht den Erwartungen, aber ich glaube, die Bilder im Trainingsdatensatz sind in Ordnung. Ich plane, die Tags manuell anzupassen und zu sehen, wie sich die Ergebnisse ändern.

模型效果不如预期，但是我觉得训练集的图片本身应该没什么问题。打算先手动修正tag看看效果。

2025/1/3更新：

Einige Tags manuell aktualisiert, diese scheinen aber keinen Bezug zu Helligkeit und Farben zu haben. Vermutung: Möglicherweise hängt es mit der Rauschverschiebung (noise offset) zusammen.

手动更新了一部分标签，但是它们和明暗色彩无甚干系。暂时猜测可能和noise offset有关。

v5:

Der Datensatz wurde auf 2.154 Bilder erweitert, wobei etwa 1.000 Pony-Bilder das primäre Trainingsziel sind.

Obwohl V-pred-Modelle LoRA verwenden können, die auf Eps-pred-Modellen basiert, sinkt die Ausgabqualität deutlich. Diese Version wird separat für zwei verschiedene Modelltypen trainiert.

Aktuelle Versionen von NoobAI zeigen deutliche Artefakte, aber der 'jpeg artifact'-Tag von Danbooru scheint nicht wirksam zu sein. Um dieses Problem zu lösen, wurden etwa 30 typische und visuell auffällige Bilder als negative Beispiele ausgewählt.

Ein Phänomen wurde beobachtet: Pony v6 und NoobAI neigen dazu, bei Frisuren mit seitlichen Haaren an den Haarwurzeln eine dreieckige Anhebung zu erzeugen. Auf Danbooru wird diese Anhebung manchmal als 'hair intakes' oder 'curtained hair' getaggt, aber Pony wendet diese Struktur auf jeden Charakter an. Dies ist ein wichtiger Grund, warum die generierten Frisuren bei Pony bei der Charakterausbildung oft nicht mit dem vorgestellten Design übereinstimmen. Ein ähnliches Problem wurde bei NoobAI beobachtet. Meine Vermutung ist, dass dieses Merkmal in einem Datensatz außerhalb von Danbooru weit verbreitet ist, aber nicht korrekt getaggt wurde.

Die Bilder im Datensatz wurden gefiltert und etwa zwei Drittel korrekt annotiert. Derzeit kann das Hinzufügen von 'hair intakes' im Prompt möglicherweise bis zu einem gewissen Grad dieses Problem abschwächen, aber eine vollständige Lösung wurde noch nicht gefunden.

数据集扩充到2154张图。其中作为主要训练目标的pony图片约1000张。

虽然V-pred模型也能使用基于Eps-pred技术的模型训练的lora，但是生成质量会大打折扣。这个版本将会分别在两个不同类型的模型上训练。

noobAI近期版本有比较明显的伪影，但是danbooru上的“jpeg artifact”并没有起作用。因此专门针对这个问题选择了约30张较为典型的、肉眼可见的图片作为负面案例。

观察到一个现象：pony v6和noobAI在生成有侧发的发型时，倾向于在发根处生成一个三角形的翘起。在danbooru里，这种翘起有时会被标注为“hair intakes”和“curtained hair”，但是pony会给每一个角色都套上这样的结构。这也是pony训练角色时，发型训练不像的一个重要原因。noob也观察到了类似的现象，我的猜测是danbooru以外的某个训练集大量存在这个特征，但没有对这个特征进行正确标注。

对数据集里的图片进行了筛选，其中约2/3的图片进行了正确的标注。现在，在prompt里写上“hair intakes”可能可以一定程度上减轻这个现象，但是我还没有找到根治这个毛病的办法。

v4:

Teilweise Optimierung der Datensatz-Tags. Basierend auf NoobAI Epsilon-pred v1 trainiert.

Pony-basierte Modelle neigen stark dazu, Ohrringe, Ohrstecker und andere Arten von Accessoires zu generieren, was manchmal die Ohrstruktur der Charaktere stört. Ich habe die zugehörigen Tags neu organisiert, einige Bilder mit kleineren strukturellen Fehlern im Datensatz beschnitten und manuell bearbeitet sowie Bilder entfernt, die zu schwierig zu reparieren waren.

对数据集的标注方式进行了部分优化。基于NoobAI Epsilon-pred v1训练。

Pony系模型有很强烈的生成耳环、耳钉以其他类型的耳部饰品的倾向，有时还会破坏人物耳部的结构。对相关的标注进行了整理。剪裁、手工修改了数据集中一部分结构错误不严重的图，剔除了一些太难修改的图片。

v3:

Datensatz erweitert auf 1429 Bilder, einschließlich positiver und negativer Beispiele.

774 der Bilder sind der meist "gewünschte" Stil.

Trainiert auf Illustrious v0.1.

数据集扩展到了1429张图片，包括了正反两种例子。

其中774张是训练的目标风格。

基于Illustrious v0.1训练。

v2:

Datensatz erweitert auf 374 Bilder. Verwenden Sie Qualitäts- und Ästhetik-Tags, die mit den Modellen geliefert werden, um die Generierungsqualität zu steuern.

训练数据集扩展到了374张。尝试使用模型自带的质量提示词来稳定生成质量。

v1:

Trainiert mit 224 Bildern von Civitai, 393 Bildern zur Regularisierung.

Zwei Versionen wurden basierend auf Animagine v3.1 und Pony v6 trainiert.

训练了C站上224张图片，393张正则数据集。

有Animagine v3.1和Pony v6两个版本。

test ver.4:

Es ist etwas unterangepasst, funktioniert aber dennoch. Ich habe festgestellt, dass Qualitäts-Tags und authentische Tags (best quality, masterpiece, very aesthetic, ...) von Animagine v3.1 das Kunststilbild beeinflussen, das von diesem Checkpoint generiert wird. Behebe das in der nächsten Testversion.

有些欠拟合但是目前是有效的。我发现Animagine v3.1自带的质量控制词和美学提示词会改变生成图片的画风，所以这个实验版本需要不填写质量词。下一版会修复。