modelli/Deep Negative V1x - V1 75T

Deep Negative V1x - V1 75T

|
5/19/2025
|
1:23:50 AM
| Discussion

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

Euler a

steps

20 - 40

cfg

11

resolution

512x768

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:

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

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

https://huggingface.co/lenML/DeepNegative/tree/main

Precedente
EasyNegative - EasyNegative_pt
Successivo
BadDream UnrealisticDream Negative Embeddings - BadDream v10

Dettagli del Modello

Tipo di modello

TextualInversion

Modello base

SD 1.5

Versione del modello

V1 75T

Hash del modello

54e7e4826d

Parole addestrate

ng_deepnegative_v1_75t

Creatore

Discussione

Per favore log in per lasciare un commento.