Boring_e621 Negative Embedding: Migliora le Immagini Stilisticamente e Tematicamente - v4.0

Questo è un sito per il download dell'embedding negativo boring_e621. Il suo repository originale su huggingface, che spiega in dettaglio come è stato addestrato e cosa fa, può essere trovato qui.

In breve, questo embedding tenta di rappresentare cosa significa per un'immagine essere poco interessante. Quindi, se stai usando Automatic1111 Stable Diffusion WebUI, puoi posizionare questo file in stable-diffusion-webui\embeddings e aggiungere la parola trigger al tuo prompt NEGATIVO, e i tuoi risultati dovrebbero diventare più interessanti, sia stilisticamente che tematicamente.

L'immagine del titolo di questo modello illustra i miglioramenti qualitativi che può apportare a quattro semplici prompt nel modello base SD 1.5. Nella prima colonna, ad esempio, boring_e621_v4 rende l'hamburger più fotorealistico, lo posiziona su un tavolo di cocobolo, rinnova le verdure e aggiunge una fetta di formaggio e una porzione di patatine.

Poiché questo embedding è noto per la sua capacità di migliorare specificamente l'arte furry, la seconda immagine illustra i miglioramenti ottenuti su quattro semplici prompt su YE-18, un modello presente in molti mix furry.

Quale versione dovrei scaricare?

• boring_e621_v4 (la più recente e la migliore con la maggior parte dei modelli non furry)

• boring_e621_fluffyrock_v4 (Potrebbe funzionare meglio sui modelli con Fluffyrock nella loro discendenza, che comprende la maggior parte dei modelli furry popolari)

• boring_e621 (funziona bene con la maggior parte dei modelli, ma è meno intensa rispetto alla v4)

Ogni versione ha due tipi di download, un file pt e un file safetensors. Dovrebbero comportarsi allo stesso modo, ma alcuni programmi potrebbero supportare solo uno dei formati. Quindi, se il primo file che scarichi non funziona con il tuo programma, prova l'altro.

Ognuno dei modelli Risorsa Suggerita indicati di seguito è stato specificamente segnalato per produrre ottimi risultati con uno di questi embedding.