modelos/Deep Negative V1x - V1 75T

Deep Negative V1x - V1 75T

|
5/18/2025
|
1:23:46 PM
| Discussion

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

Euler a

steps

20 - 40

cfg

11

resolution

512x768

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:

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

¿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

https://huggingface.co/lenML/DeepNegative/tree/main

Anterior
EasyNegative - EasyNegative_pt
Siguiente
BadDream UnrealisticDream Embeddings Negativos - BadDream v10

Detalles del Modelo

Tipo de modelo

TextualInversion

Modelo base

SD 1.5

Versión del modelo

V1 75T

Hash del modelo

54e7e4826d

Palabras entrenadas

ng_deepnegative_v1_75t

Creador

Discusión

Por favor log in para dejar un comentario.