Deep Negative V1x - V1 75T
Palabras Clave y Etiquetas Relacionadas
Imágenes destacadas
Prompts Recomendados
masterpiece,PureErosFace_V1,best quality,[highly detailed face:0.1],1girl,a full body portrait of a 21 years old beautiful gorgeous cute busty Korean kpop girl,pink eyes,(jieunc_kor:0.8),long hair,slender body,black hair,detailed face,(grapefruit),perfect anatomy,(temple in background),contrapposto,sitting,Cannon EOS 5D MARK III,kimono,50mm Sigma f/1.4 ZEISS lens,medium breasts,F1.4,light smile,1/800s,arms behind back,ISO 100,photorealistic,trending on instagram
Prompts Negativos Recomendados
disgusting,worst quality,low quality,logo,text,watermark,username
NG_DeepNegative_V1_75T,(worst quality,worst quality,low quality:1.4),low quality,logo,text,monochrome,nipples,nude
Parámetros Recomendados
samplers
steps
cfg
resolution
Consejos
Usa el embedding con prompts negativos como (peor calidad, baja calidad, logo, texto, marca de agua, nombre de usuario).
Para modelos entrenados con más de 75 tokens, considera usar versiones con menos tokens para evitar errores.
Aspectos Destacados de la Versión
colócalo en prompts negativos
Patrocinadores del Creador
Si usas SDXL, se recomienda esto 👉 DeepNegative para versión SDXL
Este embedding te dirá qué es REALMENTE ASQUEROSO🤢🤮
Así que por favor colócalo en prompt negativo😜
⚠Este modelo no está entrenado para SDXL y puede generar resultados no deseados al usarlo en SDXL.
Si usas SDXL, se recomienda este 👇
otro deep-negative:
versión pony: https://civitai.com/models/831971
versión SDXL: https://civitai.com/models/407448
PREGUNTAS FRECUENTES PRINCIPALES
¿Cómo usar el modelo TI?
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Textual-Inversion
¿Qué es el prompt negativo?
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Negative-prompt
[Recordatorio Especial] Si tu webui reporta los siguientes errores:
- CUDA: CUDA error: device-side assert triggered
- Assertion -sizes[i] <= index && index < sizes[i] && "index out of bounds" failed
- XXX object has no attribute 'text_cond'
Por favor, intenta usar una versión del modelo distinta a 75T.
> La razón es que muchos scripts no manejan correctamente palabras de prompt negativo demasiado largas (más de 75 tokens), por lo que elegir una versión con menos tokens puede mejorar esta situación.
[Actualización:230120] ¿Qué hace?
Este embedding aprende qué composiciones y patrones de color son asquerosos, incluyendo anatomía humana defectuosa, esquemas de color ofensivos, estructuras espaciales invertidas y más. Colocarlo en el negativo ayuda mucho a evitar estas cosas.
-
¿Qué es 2T 4T 16T 32T?
Número de vectores por token
[Actualización:230120] ¿Qué es 64T 75T?
64T: Entrenado durante más de 30,000 pasos en datasets mixtos.
75T: tamaño máximo del embedding, entrenado 10,000 pasos con un dataset especial (generado por muchos modelos diferentes de sd y procesamiento inverso especial)
¿Cuál elegir?
75T: El embedding más ”fácil de usar“, entrenado con un dataset preciso creado de forma especial con casi sin efectos secundarios. Contiene suficiente información para cubrir variados escenarios de uso. Pero para algunos "modelos bien entrenados" puede ser difícil que tenga efecto
y el cambio puede ser sutil y no muy brusco.
64T: Funciona para todos los modelos, pero tiene efectos secundarios. Por eso, se requiere ajustar para encontrar el mejor peso. recomendado: [( NG_DeepNegative_V1_64T :0.9) :0.1]
32T: Útil, pero es demasiado
16T: Reduce la posibilidad de dibujar mala anatomía, pero puede dibujar caras feas. Adecuado para mejorar el nivel de arquitectura.
4T: Reduce la posibilidad de mala anatomía, pero tiene poco efecto en luz y sombra
2T: ”Fácil de usar“ como 75T, pero con poco efecto
Sugerencia
Debido a que este embedding aprende cómo crear conceptos asquerosos, no mejora con precisión la calidad de la imagen, por lo que es mejor usarlo con negativos como (peor calidad, baja calidad, logo, texto, marca de agua, nombre de usuario).
Por supuesto, se puede usar perfectamente con otros embeddings negativos similares.
Más ejemplos y pruebas
dibujar edificios: https://imgur.com/5aX9yrP
corrección de manos: https://imgur.com/rDlsrgS
retrato (con PureErosFace): https://imgur.com/1Lqq595 https://imgur.com/V5kXBXz
corrección de cuerpo fusión:
¿Cómo funciona?
Intenté que SD aprenda qué es realmente asqueroso con el algoritmo deepdream, el dataset es imagenet-mini (1000 imágenes elegidas aleatoriamente del dataset original)
deepdream es REALMENTE MUY asqueroso 🤮 y el proceso de entrenar este modelo realmente me causó incomodidad física 😂
Copia de seguridad
Detalles del Modelo
Tipo de modelo
Modelo base
Versión del modelo
Hash del modelo
Palabras entrenadas
Creador
Discusión
Por favor log in para dejar un comentario.