Deep Negative V1x - V1 75T
Parole Chiave e Tag Correlati
Immagini in evidenza
Prompt Consigliati
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
Prompt Negativi Consigliati
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
Parametri Consigliati
samplers
steps
cfg
resolution
Suggerimenti
Usa l'embedding con prompt negativi come (peggiore qualità, bassa qualità, logo, testo, watermark, nome utente).
Per modelli addestrati con più di 75 token, considera l'uso di versioni con token più piccoli per evitare errori.
Punti Salienti della Versione
inseriscilo nei prompt negativi
Sponsor del Creatore
Se usi SDXL, si raccomanda questo 👉 DeepNegative per la versione SDXL
Questo embedding ti dirà cosa è VERAMENTE DISGUSTOSO🤢🤮
Quindi per favore mettilo in prompt negativi😜
⚠Questo modello non è addestrato per SDXL e potrebbe produrre risultati indesiderati se usato in SDXL.
Se usi SDXL, si raccomanda questo 👇
altro deep-negative:
versione pony: https://civitai.com/models/831971
versione SDXL: https://civitai.com/models/407448
DOMANDE & RISPOSTE PRINCIPALI
come usare il modello TI?
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Textual-Inversion
cos'è il prompt negativo?
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Negative-prompt
[Promemoria Speciale] Se la tua webui riporta i seguenti errori:
- CUDA: errore CUDA: device-side assert triggered
- Assertion -sizes[i] <= index && index < sizes[i] && "index out of bounds" fallito
- L'oggetto XXX non ha l'attributo 'text_cond'
Prova a usare una versione del modello diversa da 75T.
> Il motivo è che molti script non gestiscono correttamente parole di prompt negativo troppo lunghe (più di 75 token), quindi scegliere una versione con token minori può migliorare questa situazione.
[Aggiornamento:230120] Cosa fa?
Questo embedding impara quali composizioni e schemi di colore sono disgustosi, inclusa anatomia umana difettosa, schemi di colore offensivi, strutture spaziali rovesciate e altro. Inserirlo nel prompt negativo può aiutare molto a evitare queste cose.
-
Cos'è 2T 4T 16T 32T?
Numero di vettori per token
[Aggiornamento:230120] Cos'è 64T 75T?
64T: Addestrato per oltre 30.000 passaggi su dataset misti.
75T: dimensione massima del limite dell'embedding, addestrato 10.000 passaggi su un dataset speciale (generato da molti modelli sd differenti e speciale elaborazione inversa)
Quale scegliere?
75T: L'embedding più “facile da usare”, addestrato dal suo dataset accurato creato in modo speciale con quasi nessun effetto collaterale. Contiene informazioni sufficienti per coprire vari scenari di utilizzo. Ma per alcuni "modelli ben addestrati" può essere difficile da influenzare
e, le modifiche possono essere sottili e non abbastanza drastiche.
64T: Funziona per tutti i modelli, ma ha effetti collaterali. Quindi è necessario un po' di tuning per trovare il peso migliore. consigliato: [( NG_DeepNegative_V1_64T :0.9) :0.1]
32T: Utile, ma eccessivo
16T: Riduce la possibilità di disegnare anatomia errata, ma può disegnare volti brutti. Adatto per aumentare il livello di architettura.
4T: Riduce la possibilità di disegnare anatomia errata, ma ha poco effetto su luci e ombre
2T: “facile da usare” come 75T, ma con un effetto minore
Suggerimento
Poiché questo embedding impara a creare concetti disgustosi, non migliora accuratamente la qualità dell'immagine, quindi è meglio usarlo con prompt negativi come (peggiore qualità, bassa qualità, logo, testo, watermark, nome utente).
Naturalmente, è completamente accettabile usarlo con altri embedding negativi simili.
Altri esempi e test
disegno edificio: https://imgur.com/5aX9yrP
correzione mano: https://imgur.com/rDlsrgS
ritratto (con PureErosFace): https://imgur.com/1Lqq595 https://imgur.com/V5kXBXz
correzione fusione corpo:
Come funziona?
Ho provato a far imparare a SD cosa è davvero disgustoso con l'algoritmo deepdream, il dataset è imagenet-mini (1000 immagini scelte casualmente dal dataset originale)
deepdream è VERAMENTEEEEEEEEEEEEEEEEEEEEE disgustoso 🤮 e il processo di addestramento di questo modello mi ha fatto provare un disagio fisico 😂
Backup
Dettagli del Modello
Tipo di modello
Modello base
Versione del modello
Hash del modello
Parole addestrate
Creatore
Discussione
Per favore log in per lasciare un commento.