v8

Mise à jour de la texture : renforcement de l'apprentissage des tags suivants :

Texture Update: Les tags suivants ont été renforcés dans l'entraînement :

réaliste, photoréaliste, couleur unie,

peau brillante, peau mate, cheveux brillants,

Veuillez noter que dans le dataset Danbooru il existe de nombreux tags utilisés pour décrire un style "photo" ou "proche de la photo". J'ai uniformément marqué ces images comme "photoréaliste" dans l'ensemble d'entraînement. Cependant, les modèles SDXL entraînés sur Danbooru ne rendent généralement pas bien les images réalistes, donc le tag "photoréaliste" est conseillé uniquement à faible poids pour modifier la texture de l'image. Le tag "réaliste" peut fonctionner correctement à un poids plus élevé.

Veuillez noter que le dataset Danbooru contient plusieurs tags décrivant des styles "photo" ou "proches de la photo". J'ai tagué toutes ces images comme "photoréaliste" dans le dataset.

Cependant, la plupart des modèles SDXL entraînés avec Danbooru ne produisent pas très bien d'images réalistes. Le tag "photoréaliste" est recommandé uniquement à faible poids, où il peut aider à ajuster la texture plutôt que de créer des images réalistes. Le tag "réaliste" peut fonctionner correctement à un poids plus élevé.

Démarrage rapide | Quick Start

Qu'est-ce que c'est ? | What is this?

• Pony : People's Works (ppw) est une série expérimentale de modèles fine-tunés, environ 85 % des données proviennent d'images générées par IA publiées par des utilisateurs sur CivitAI. Le premier ppw a été initialement construit à partir des images générées par pony v6, donc les images générées par cette série portent aussi des caractéristiques de Pony Diffusion.

• Cette série utilise les tags Danbooru standards, principalement optimisée pour générer des portraits stylisés en plans moyens et rapprochés. Sa fonction principale est de permettre au modèle de base d'obtenir une qualité d'image relativement stable, sans utiliser de mots-clés d'artiste ni de longues indications de qualité, ce qui économise l'espace token dans les prompts.
  Ces modèles ne sont pas des LoRA de style, il peut y avoir des variations stylistiques subtiles suivant les différents prompts et conditions de génération.

• Pony : People's Works (ppw) est une série expérimentale de modèles fine-tunés, environ 85% du dataset provient d'images générées par IA publiées sur CivitAI. Puisque le premier ppw a été construit à partir d'images générées par Pony V6, les résultats de cette série conservent certaines caractéristiques de Pony Diffusion.

• Cette série utilise les tags Danbooru standards et est principalement optimisée pour générer des portraits stylisés en plans moyens et rapprochés. L'effet principal est de permettre au modèle de base d'obtenir une qualité d'image relativement stable, sans mots-clés d'artiste ni longs tags de qualité, libérant ainsi de l'espace token pour les prompts.
  Ces modèles ne sont pas des LoRAs de style. Des variations stylistiques subtiles peuvent apparaître selon les prompts et conditions de génération.

Info version | Version Info.

• Cette page publie la version LoCon haute dimension de ppw, qui est aussi la page principale de ce projet.

• La version LoCon de ppw peut être combinée de manière flexible avec divers LoRA fonctionnels et modèles de base, avec une meilleure contrôlabilité de l'intensité des effets. La version en haute dimension offre une meilleure généralisation et un rendu plus détaillé, mais consomme plus d'espace de stockage et de ressources informatiques.

• Principalement destinée aux services de génération en ligne et à l'usage local par des utilisateurs disposant de machines performantes.

• Cette page présente les modèles ppw en version LoCon haute dimension, servant également de page principale du projet.

• Les versions LoCon de ppw peuvent être combinées de manière flexible avec différents LoRAs fonctionnels et checkpoints, offrant une meilleure maîtrise du poids de l'effet. Les versions haute dimension offrent une meilleure généralisation et des détails plus riches, mais nécessitent plus d'espace de stockage et de ressources de calcul.

• Ces modèles sont principalement destinés aux services de génération en ligne et à l'utilisation locale par des utilisateurs avec des PC performants.

Version allégée LoCon | Lightweight LoCon ver.

Version checkpoint de base (Illustrious)

Version checkpoint de base (NoobAI)

Plus | more

Utilisation | Usage

positif :

chef-d'œuvre, meilleure qualité, très esthétique

négatif :

basse qualité, désagréable

Journal des modifications | Change log

v7

La version v7 a apporté des ajustements importants à la structure du dataset et utilise différents paramètres et stratégies d'entraînement. Par conséquent, il est possible que la version v7 soit moins stable que les versions précédentes.

La version v7 a subi des ajustements significatifs dans la structure du dataset et utilise des paramètres et stratégies d'entraînement différents. De ce fait, v7 peut être moins stable que les versions précédentes.

La performance du modèle v-pred sur le générateur en ligne de CivitAI est complètement différente de ses performances sur la génération en ligne via TensorArt. Les résultats ne sont pas reproductibles avec les mêmes paramètres. Je ne sais pas pourquoi ...

La performance du modèle v-pred sur le générateur en ligne de CivitAI est totalement différente de celle sur la génération en ligne de TensorArt. Les résultats sont incomparables avec les mêmes paramètres. Je n'en connais pas la raison...

Version TensorArt Version CivitAI avec même paramètre sur CivitAI avec un poids plus élevé

Présentation de la version v7 :

Il s'agit d'un LoCon qualité d'image développé à partir du dataset de la précédente version. Environ 90 % à 95 % des images proviennent de CivitAI.

Ce modèle permet d'obtenir une qualité d'image relativement stable sans utiliser de mots-clés d'artiste ni des prompts qualités longs, économisant ainsi plus d'espace token. Il peut également corriger certains défauts inhérents au modèle. (sauf pour les mains)

En raison du choix du dataset, les images générées conservent le style caractéristique de Pony. Toutefois, comme il ne référence aucun artiste, style ou technique spécifique, il peut y avoir de subtiles variations stylistiques selon les différents prompts et conditions de génération.

Il s'agit d'un LoCon qualité de génération développé sur la base du dataset de la version précédente. Environ 90%-95% des données images proviennent de CivitAI.

Ce modèle permet aux modèles de base d'atteindre une qualité d'image relativement stable sans utiliser de mots-clés artistes ni longs prompts qualité, libérant plus d'espace token. De plus, il corrige certains défauts inhérents de génération (sauf les mains).

Du fait de la sélection des données, les images générées ont une texture de type Pony. Comme il ne cible aucun artiste, style ou technique particulière, il peut y avoir de subtiles variations stylistiques selon les prompts et conditions du modèle.

Source du dataset et licence | Dataset Source & License

• Chaque image du dataset a été sélectionnée, catégorisée et annotée manuellement par l'auteur, plusieurs centaines ayant aussi été éditées et corrigées à la main.

• Ce modèle est un modèle libre et open-source, les utilisateurs peuvent le déployer sur leurs appareils personnels. L'auteur ne tire aucun revenu de la vente du modèle. L'auteur n'impose aucune restriction concernant l'utilisation de ce modèle pour des services commerciaux de génération d'images ou la génération d'images à des fins commerciales, mais il faut respecter les licences des checkpoints et autres LoRA utilisés.

• Environ 90%-95% des données sont générées par IA, mais environ 250+ images proviennent de médias publics, médias de presse et publications pour compléter les concepts. Les futures versions remplaceront progressivement ces matériaux. Les utilisateurs ayant des intentions commerciales doivent en être conscients.

  Le dataset n'inclut pas les données d'artistes individuels ni n'indique explicitement d'attribution d'artiste (sans exclure les erreurs d'étiquetage par IA).

• En outre, ce modèle ne peut pas être utilisé dans des applications commerciales fermées, la revente de modèle est interdite, ainsi que l'intégration dans des modèles commerciaux fermés. Aucune restriction sur l'utilisation des modèles fusionnés open-source pour les services de génération, mais il est recommandé d'indiquer la source des modèles fusionnés.

• Chaque image du dataset a été sélectionnée, catégorisée et annotée manuellement par l'auteur. De plus, plusieurs centaines d'images ont été éditées et corrigées manuellement.

• Ce modèle est un modèle libre et open-source, permettant aux utilisateurs de le déployer sur leurs appareils personnels. L'auteur ne reçoit aucune rémunération provenant de la vente du modèle. L'auteur n'impose pas de restriction sur l'utilisation de ce modèle pour des services commerciaux de génération d'images ou pour générer des images à des fins commerciales. Toutefois, veuillez respecter les licences des checkpoints et autres LoRA utilisés conjointement.

• Environ 90%-95% des données proviennent d'images générées par IA, mais environ 250+ images ont été collectées dans des médias publics, médias de presse et publications pour compléter les concepts. Les versions futures remplaceront progressivement ces matériaux. Les utilisateurs ayant des intentions commerciales doivent être conscients des risques potentiels.

  Ce dataset ne comprend pas les données d'entraînement d'artistes individuels, ni n'attribue explicitement des artistes (même si des erreurs d'étiquetage de l'IA sont possibles).

• De plus, ce modèle n'est pas autorisé pour une utilisation dans des applications commerciales fermées, la revente de modèles ni l'intégration dans des modèles commerciaux fermés. Aucune restriction n'est appliquée pour les modèles fusionnés open-source utilisés dans des services de génération, mais il est recommandé de citer la source des modèles fusionnés.