Intro. 简介：

Un style LoCon entraîné sur des images de modèles basés sur des poneys collectées sur Civitai avec "most collections" et "most reactions".

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。

Ce lora ne vise pas à simuler le style ou la technique d’un artiste spécifique. Il PEUT refléter le goût de la communauté et l’attrait visuel d’une image dans une certaine mesure. Les styles peuvent varier subtilement selon les différents prompts.

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。

Usage 使用方法：

Les versions antérieures à V2 n’ont pas de mots déclencheurs spécifiques. Veuillez utiliser les tags de qualité fournis avec le modèle correspondant.

Pour les versions V3 et suivantes, les tags suivants ont été entraînés :

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：

positif :

masterpiece, best quality, very aesthetic

négatif :

worst quality, low quality, displeasing

Vous pouvez éditer les prompts sur cette base.

Data Generation 数据版本：

v6 :

Ajout de plus de 500 nouvelles images, dont certaines sélectionnées à partir de Flux. J’ai retiré certaines anciennes images jugées de moindre qualité.

Le nombre total d’images dans le jeu de données dépasse maintenant 3 000, avec plus de 20 concepts manuellement améliorés/modifiés sur 6 versions du jeu de données.

Le rang du modèle a également été augmenté.

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 :

La performance du modèle n’est pas conforme aux attentes, mais je crois que les images du jeu de données sont correctes. Je prévois d’ajuster manuellement les tags pour voir comment les résultats changeront.

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：

Mise à jour manuelle de certains tags, mais ils semblent sans rapport avec la luminosité et les couleurs. Supposition provisoire qu’il pourrait s’agir d’un offset de bruit.

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 :

Le jeu de données a été étendu à 2 154 images, avec environ 1 000 images de poneys comme cible d’entraînement principale.

Bien que les modèles V-pred puissent utiliser un LoRA entraîné sur des modèles basés sur Eps-pred, la qualité de sortie diminue considérablement. Cette version sera entraînée séparément sur deux types de modèles différents.

Les versions récentes de NoobAI présentent des artefacts visibles, mais le tag « jpeg artifact » de Danbooru ne semble pas efficace. Pour remédier à ce problème, une trentaine d’images typiques et visibles à l’œil nu ont été sélectionnées comme exemples négatifs.

Un phénomène a été observé : Pony v6 et NoobAI tendent à générer un soulèvement triangulaire à la racine des coiffures avec des mèches latérales. Sur Danbooru, ce soulèvement est parfois étiqueté « hair intakes » ou « curtained hair », mais Pony applique cette structure à chaque personnage. C’est une raison clé pour laquelle les coiffures générées par Pony ne correspondent souvent pas à la conception prévue lors de l’entraînement des personnages. Un problème similaire a été constaté avec NoobAI. Je suppose que cette caractéristique est répandue dans un jeu de données en dehors de Danbooru et n’a pas été correctement étiquetée.

Les images du jeu de données ont été filtrées, et environ deux tiers ont été correctement annotées. Actuellement, l’ajout de « hair intakes » dans le prompt peut en partie atténuer ce problème, mais je n’ai pas encore trouvé de solution complète.

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 :

Optimisation partielle des tags du jeu de données. Entraîné à partir de NoobAI Epsilon-pred v1.

Les modèles basés sur Pony ont une forte tendance à générer des boucles d’oreilles, des piercings d’oreille et autres accessoires au niveau des oreilles, parfois au détriment de la structure auriculaire des personnages. J’ai réorganisé les tags concernés, recadré et modifié manuellement certaines images du jeu de données présentant des problèmes structurels mineurs, et retiré les images trop difficiles à corriger.

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 :

Jeu de données étendu à 1429 images, comprenant des exemples avec des tags positifs et négatifs.

774 images correspondent au style le plus « demandé ».

Entraîné sur 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 :

Jeu de données étendu à 374 images. Utilisez les tags de qualité et esthétiques fournis avec les modèles pour contrôler la qualité de génération.

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 :

Entraîné sur 224 images de Civitai, 393 images pour la régularisation.

Entraîné en 2 versions basées sur Animagine v3.1 et 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 :

Il est légèrement sous-ajusté mais fonctionne encore. J’ai constaté que les tags de qualité et les tags authentiques (best quality, masterpiece, very aesthetic, ...) avec lesquels Animagine v3.1 a été entraîné peuvent modifier le style artistique généré par ce checkpoint. Correction prévue dans la prochaine version test.

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。