Intro. 简介：

Ein style LoCon, trainiert auf pony-basierten Modellbildern, die von der Civitai-Seite mit "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 bestimmte Technik zu simulieren. Es KANN das Community-Ästhetikgefühl und die visuelle Attraktivität eines Bildes bis zu einem gewissen Grad widerspiegeln. Die Stile können sich je nach unterschiedlichen Eingaben 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 besitzen keine spezifischen Triggerwörter. Bitte verwenden Sie die Qualitäts-Tags, die mit dem jeweiligen Modell bereitgestellt werden.

Für V3 und spätere Versionen wurden folgende 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。

对于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 darauf aufbauend bearbeiten.

Daten-Generierung 数据版本：

v6:

Über 500 neue Bilder hinzugefügt, einige davon wurden aus Flux ausgewählt. Ich habe einige ältere Bilder entfernt, die ich für von geringerer Qualität hielt.

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

Das Ranking des Modells 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, dass die Bilder im Trainingsdatensatz in Ordnung sind. Ich plane, die Tags manuell anzupassen und zu sehen, wie sich die Ergebnisse verändern.

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：

Manuell einige Tags aktualisiert, die aber scheinbar nichts mit Helligkeit und Farben zu tun haben. Vermutlich hängt es mit dem 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, mit ca. 1.000 Pony-Bildern als Hauptziel des Trainings.

Obwohl V-pred-Modelle LoRA verwenden können, das auf Eps-pred-basierten Modellen trainiert wurde, sinkt die Ausgabequalität signifikant. Diese Version wird daher separat auf zwei unterschiedlichen Modelltypen trainiert.

Neuere Versionen von NoobAI zeigen deutliche Artefakte, aber das 'jpeg artifact'-Tag von Danbooru scheint nicht effektiv zu wirken. Um dieses Problem zu adressieren, wurden ca. 30 typische und visuell auffällige Bilder als negative Beispiele ausgewählt.

Ein Phänomen wurde beobachtet: Pony v6 und NoobAI neigen dazu, bei Frisuren mit seitlichen Haarsträhnen einen dreieckigen Auftrieb an den Haarwurzeln zu generieren. Auf Danbooru wird dieser Auftrieb manchmal als 'hair intakes' oder 'curtained hair' markiert, aber Pony wendet diese Struktur auf jeden Charakter an. Dies ist ein entscheidender Grund, warum Frisuren bei Pony-Charaktertraining oft nicht dem beabsichtigten Design entsprechen. Ein ähnliches Problem wurde bei NoobAI festgestellt. Meine Vermutung ist, dass dieses Merkmal in einem außerhalb von Danbooru existierenden Datensatz stark vertreten ist und nicht korrekt getaggt wurde.

Die Bilder im Datensatz wurden gefiltert, und etwa zwei Drittel wurden korrekt annotiert. Aktuell kann das Hinzufügen von 'hair intakes' in den Prompts möglicherweise bis zu einem gewissen Grad dieses Problem mildern, aber eine vollständige Lösung ist 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. Trainiert basierend auf NoobAI Epsilon-pred v1.

Pony-basierte Modelle neigen stark zur Generierung von Ohrringen, Ohrpiercings und anderen Arten von Accessoires, was manchmal die Ohrstruktur der Charaktere beeinträchtigt. Die dazugehörigen Tags wurden neu organisiert, einige Bilder mit geringfügigen Strukturfehlern wurden im Datensatz manuell beschnitten und bearbeitet, und zu schwer zu korrigierende Bilder wurden entfernt.

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 auf 1429 Bilder erweitert, einschließlich Beispielen mit positiven und negativen Tags.

774 der Bilder gehören zum meist "gewünschten" 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 auf 374 Bilder erweitert. Qualitäts- und Ästhetik-Tags, die mit den Modellen geliefert werden, zur Steuerung der Generierungsqualität verwenden.

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 für Regularisierung.

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

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 unteranpasst, funktioniert aber noch. Ich habe festgestellt, dass die Qualitäts- und Authenticity-Tags (best quality, masterpiece, very aesthetic, ...) von Animagine v3.1, auf dessen Basis trainiert wurde, den von diesem Checkpoint generierten Kunststil verändern können. Wird in der nächsten Testversion behoben.

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。