Il s'agit d'un modèle de génération d'images basé sur l'entraînement de Illustrious-xl, et continuellement entraîné par Laxhar Lab.

https://civitai.com/models/795765/illustrious-xl

Il utilise les ensembles de données complets récents Danbooru et e621 pour l'entraînement, avec des légendes de tags natives.

La version mise en ligne le 8 octobre a été entraînée pendant 5 époques sur 8*H100, en version Early Access.

Et page huggingface du Lab

La nouvelle version est en cours d'entraînement sur 32*H100

https://huggingface.co/Laxhar/sdxl_noob

Les modèles de suivi et rapports techniques seront publiés sur huggingface

Groupes de communication qq : ①875042008 ②914818692 ③635772191

DISCORD : Laxhar Dream Lab SDXL NOOB

Nous adressons nos sincères remerciements à nos précieux sponsors GPU pour leur généreux soutien : https://cloud.lanyun.net

Cette version du modèle améliore l'ajustement des personnages et des styles dans Illustrious-xl 0.1ver, et les caractéristiques spécifiques des personnages bénéficient d'une meilleure représentation. Laxhar lab continue actuellement l'entraînement de la nouvelle version open-source du modèle XL sur la base de cette version bêta dans l'espoir de minimiser l'utilisation de lora, et de sortir un modèle SDXL anime convivial pour les débutants, avec un clic unique !

Note : Le nom du modèle et d'autres détails sont susceptibles d'être modifiés.

Ce modèle est toujours en cours d'entraînement !!!

Ce modèle est toujours en cours d'entraînement !!!

Ce modèle est toujours en cours d'entraînement !!!

Statut actuel

Il s'agit d'une version à 50 % destinée à un usage interne. Cependant, nous envisageons d'autoriser des tests externes limités.

Jeux de données

- Danbooru (Pid : 1~7 600 039) :

https://huggingface.co/datasets/KBlueLeaf/danbooru2023-webp-4Mpixel

- Danbooru (Pid > 7 600 039) :

https://huggingface.co/datasets/deepghs/danbooru_newest-webp-4Mpixel    

- Données E621 au 07-04-2024 :

https://huggingface.co/datasets/NebulaeWis/e621-2024-webp-4Mpixel

Légende

<1girl/1boy/1other/...>, <character>, <series>, <artists>, <special tags>, <general tags>

Tags de qualité

Pour les tags de qualité, nous avons évalué la popularité des images par le processus suivant :

• Normalisation des données basée sur diverses sources et évaluations.

• Application de coefficients de décroissance temporelle selon la récence des dates.

• Classement des images dans l'ensemble du jeu de données selon ce traitement.

Notre objectif ultime est de garantir que les tags de qualité suivent efficacement les préférences des utilisateurs ces dernières années.

Plage de percentiles des tags de qualité

> 95e chef-d'œuvre

> 85e, <= 95e meilleure qualité

> 60e, <= 85e bonne qualité

> 30e, <= 60e qualité normale

<= 30e pire qualité

Dans le test CCIP, noobaiXL a montré une amélioration d'environ 2 % par rapport à son modèle de base. Basé sur des données de plus de 3 500 personnages, 89,2 % des personnages ont atteint un score CCIP supérieur à 0,9. Étant donné la performance actuelle du modèle, il est nécessaire d'élargir davantage le jeu de données pour le test CCIP existant.

Rapport court du test NoobAI-XL V0.1

https://nx9nemngdhk.feishu.cn/docx/XcAddUhDOo57U7x7MbXcE6VNnYc

Interdiction de monétisation :

● Vous êtes interdit de monétiser tout modèle affiné / fusionné fermé dont le code source / les poids et usages ne sont pas accessibles au public.

● Selon la licence, vous devez publier ouvertement tous les modèles dérivés et variantes. Ce modèle est destiné à un usage open-source, et toutes les dérivations doivent suivre les mêmes principes.

Licence

Ce modèle est publié sous Fair-AI-Public-License-1.0-SD

Veuillez consulter ce site pour plus d'informations :

Freedom of Development (freedevproject.org)

Un grand merci à ceux qui nous ont précédés pour leur expérience et formation, et j'encourage d'autres labs à prendre le relais pour entraîner de mieux en mieux le modèle anime communautaire !

Les participants, contributeurs et testeurs du modèle sont remerciés ci-dessous

(listés sans ordre particulier)

participants

L_A_X https://civitai.com/user/L_A_X

https://www.liblib.art/userpage/9e1b16538b9657f2a737e9c2c6ebfa69

li_li https://civitai.com/user/li_li

nebulae https://civitai.com/user/kitarz

Chenkin https://civitai.com/user/Chenkin

Euge https://civitai.com/user/Euge_

contributeurs

Narugo1992 :

Merci à narugo1992 et au deepghs qu'il dirige pour avoir open-sourcé une gamme d'ensembles d'entraînement, d'outils de traitement d'images et de modèles.

https://github.com/narugo1992

https://huggingface.co/deepghs

Naifu :

Scripts d'entraînement

https://github.com/Mikubill/naifu

Onommai :

Merci à onommai open source pour un modèle de base aussi puissant.

https://onomaai.com/

aria1th261 https://civitai.com/user/aria1th261

neggles https://github.com/neggles/neurosis

parsee-mizuhashi https://huggingface.co/parsee-mizuhashi

bluvoll https://civitai.com/user/bluvoll

sdtana https://huggingface.co/sdtana

chewing https://huggingface.co/chewing

irldoggo https://github.com/irldoggo

reoe https://huggingface.co/reoe

kblueleaf https://civitai.com/user/kblueleaf

Yidhar https://github.com/Yidhar

ageless 白玲可 Creeper KaerMorh 吟游诗人 SeASnAkE zwh20081 Wenaka⁧~喵 稀里哗啦 幸运二副 昨日の約. 445 EBIX Sopp Y_X adsfssdf Minthybasis Rakosz