LEOSAMのHelloWorld XL - HelloWorld XL 5.0 GPT4V

🖥️友人と開発したオープンソースのGPT4V-Image-Captionerをぜひ試してください。一クリックインストールが可能で、画像の事前圧縮、タグ付け、タグ統計など複数機能を搭載しています。最近、このツールのwebuiプラグイン版も公開しました。皆様のご利用を歓迎します！

🌍QQ群「兔狲·AIGC梦工北厂」への参加を歓迎します。グループ番号：780132897、同じく「兔狲·AIGC梦工南厂」はグループ番号：835297318（入室キーワード：兔狲）。また、Telegramグループ「兔狲のSDXL百老汇」のリンクはこちら：https://t.me/+KkflmfLTAdwzMzI1

📖HelloWorld 7.0アップデート - 2024年6月13日

要約： HelloWorld 7.0は逐次最適化されたバージョンで、シリーズ最高の体表現を持ち、コンセプトの範囲とディテールの豊かさがさらに向上しています。

アップデート詳細：

1. ネガティブ訓練画像を追加し、ポーズ訓練を強化し、clipモデルを最適化することで四肢と手の精度が前バージョンより改善されました。推奨ネガティブプロンプトワードは「bad hand, bad anatomy, worst quality, ai generated images, low quality, average quality」です。

2. 公式SPOモデルから調整済みLoRAを抽出し、HelloWorld 7.0に組み込みました。SPOはDPO手法の更なる改良版で、SPOベースモデルはDPO XLおよび元のSDXLベースモデルよりパフォーマンスが優れています。SPO LoRAは画像のディテールとコントラストを強化し、美化します。SPO開発チームに感謝します。

3. 訓練セットのコンセプト範囲を拡大しつつも、セットを整理・最適化しました（大規模訓練はコストが高く、H800レンタルも困難なため）。訓練セットは合計20,821枚で、解像度の分布は以下の通り。画像数が多い複数解像度の併用を推奨します：

   (832, 1248) - 7128枚
   (896, 1152) - 6250枚
   (1248, 832) - 2402枚
   (1024, 1024) - 1639枚
   (1360, 768) - 928枚
   (1152, 896) - 870枚
   (768, 1360) - 432枚
   (960, 1088) - 506枚
   (992, 1056) - 162枚
   (1088, 960) - 140枚
   (704, 1472) - 120枚
   (1056, 992) - 122枚
   (1472, 704) - 115枚
   (1632, 640) - 75枚
   (640, 1632) - 12枚

4. GPT4Oを使用して全データセットを再ラベル付けしました。今回は構造化ラベル付け法を採用し、具体的構造は「一文要約説明＋複数の画像要素タグ＋XXX起源＋美的品質記述語」で、美的品質は「最悪品質、低品質、平均品質、最高品質、傑作」の5段階です。典型例は以下の通り：

   赤とベージュのリボンに包まれた人間の手を特徴とする概念芸術、単色の明るい背景に隔離、リアルなスタイル、ミニマリスト色調、滑らかな質感、縦長で超現実的な美学、サルバドール・ダリの超現実主義作品から着想、傑作

HelloWorld 7.0版のInspired by XXXに関わる「高頻度タグワードリスト」および「高頻度アートスタイルリスト」は商用ライセンス利用者にのみ提供します。過去にHelloworld XLシリーズモデル権利を購入されたパートナーは不足があれば無料入手可能ですのでご連絡ください。

プレイヤーはHelloWorld 6.0高頻度タグワードリストを参照可能です。また、ギャラリーに150点以上の高品質HelloWorld 7.0例画も掲載しており、出力参考として活用ください。モデル制作は容易ではありません。ご理解と寛容を感謝します！

📖HelloWorld 6.0アップデート - 2024年4月20日

LEOSAM HelloWorld 6.0 トップ250高頻度タグワードリスト

長らくお待たせしました。最近就職活動をしており、HelloWorldアップデートに遅れが出ました。主な6.0の更新点は下記です：

• HelloWorld 6.0は5.0を基にした逐次改善版です。自分自身でのテストでは、リアリズム効果は5.0と大差ありません。6.0の主な利点は訓練セットのコンセプトカバー範囲の拡大にあります。フィードバックに基づき、シュルレアリスム、ブドワール、集団写真、マスク、折り紙、3Dレンダリング、車、龍、妊婦写真など多様なテーマで強化しました。例はイラストに示しています。

• 6.0ではネガティブプロンプト応答強化のため意図的に低品質画像も含めています。推奨ネガティブワードは「low quality, jpeg artifacts, blurry, poorly drawn, ugly, worst quality」です。

• 主な訓練セットはGPT4vタグ付けを採用し、タグ付け不能な画像はblip2-opt-6.7bガイドのcogVQAで補完しています。これらのマルチモーダルモデルのタグ付け言語スタイルは従来WD1.4タグ付けと大きく異なります。訓練セットの異なる概念の正確なトリガーのため、HelloWorld 6.0のトップ250高頻度タグワードをまとめました。こちらの文書で閲覧できます。

最後に、SD3リリースが近いですが、7.0へのアップデートも継続予定で、さらなる向上を目指します！

📖2024年2月22日 「HW5.0_Euler_a_Lightning」紹介

このモデルはHelloWorld SDXLベースモデルの高速版で、SDXL-Lightning技術を採用しています。Eular aサンプラーとCFG 1を装備し、6～8ステップで画像生成可能で、オリジナルSDXL版の3倍速です。さらに比較では、LCMやTurbo版より優れた画像結果が得られています。

このモデルの推奨パラメータは：

サンプラー: Eular a（重要！本モデルはEular aに特化して最適化されており、他のサンプラーは最良結果を得られない可能性があります）

CFGスケール: 1

サンプリングステップ数: 8ステップ（6～8ステップが許容範囲）

高解像度アルゴリズム: ESRGAN 4x / 8x_NMKD-Faces_160000_G

高解像度アップスケール係数: 1.5倍

高解像度ステップ数: 8ステップ

高解像度ノイズ除去強度: 0.3

📖2024年2月11日 「HelloWorld 5.0 GPT4V」紹介

HelloWorld 5.0はシリーズ史上最大のアップデートで、GPT-4vタグ付けを採用し、SF、動物、建築、イラスト分野で大幅に微調整されました。

比較テストの改善点：

1. キャラクターポーズや画像構図が多様で動的になり、視覚的に魅力的な作品が生成可能；

2. 映画テクスチャデータセットを大幅に強化。バージョン2.0～4.0は映画質感が弱かったものの、1.0のleogirlスタイルが多くのファンに愛されていたため、本アップデートで映画質感を特に強化しつつも他の写真品質は保護。トリガーワード例はfilm grain textureやanalog photography aesthetic；

3. SF、スリラー、動物テーマの表現力向上。メカ系やその他題材はデザイン感が増し、ユキヒョウ、レッサーパンダ、ジャイアントパンダ、トラ、パラスネコ、家庭の猫・犬がよりリアルに；

4. GPTタグ付けにより、プロンプト遵守と概念正確性がさらに改善。

欠点：

1. 大幅微調整ゆえ四肢の誤差率がやや増加の可能性あり。これは新領域への最適化過程では通常で、従来版は四肢改善テストに時間を費やしたが新版は時間不足。ただし四肢精度は1.0より少なくとも高い。今後も改善継続予定。

2. 強化された映画質感により、GPTタグ付けが精度高くともデフォルトの暖色トーンが不可避。しかしstudio lightやsharp focusなどのプロンプト使用で高画質スタジオ画像が生成可能。適切なプロンプトで肌色や画面魅力度も前作より向上。

3. 全身画像が増加し全身効果強化、そのため特定のキャラ構図指定が無いとより広い画面になることも。現在1024解像度全身は半身・顔アップと比べ若干顔ディテールが甘い。adetailer使用や1.5倍のHires.修正(強度0.3)または構図指定プロンプト併用で改善可能。

4. 少数の高品質イラストデータセット追加により、アニメ系プロンプトはアニメ画像が生成される可能性あり。気になる場合はプロンプト調整推奨。

以上が本バージョンの主な更新内容です。SDXL大規模モデル訓練は困難で、訓練セットが約10,000枚になるとタグ付け・訓練費用が300USD超に達します。皆様のご利用とフィードバックを歓迎します！満足いただけたら宣伝もよろしくお願いします。

📖2024年1月31日 「HelloWorld 4.0」紹介

HelloWorld 4.0はblip+clipタグ付けからGPT4Vタグ付けへの過渡期バージョンです。純粋なGPT4Vタグ付けモデルを訓練後、大部分をHelloWorld 3.2、0.05をJuggernaut XL（肌色調整用）と統合しました。3.2に比べ、プロンプト遵守とコンセプトカバーの改善が見られます。

新しいGPT4Vタグ付け訓練セットは、helloworld3シリーズの4,000枚から8,000枚に倍増し、ポートレートだけでなく動物、建築、自然、食物、イラストも網羅。ただし純粋GPT4V版は過学習問題も一部あり、画像数倍増が原因と推察。今後の最適化は、ポートレートを充分訓練しつつ非ポートレート概念をできるだけ含める方法を探る予定です。現時点では新旧統合版を微調整し、スムーズなバージョン移行を図っています。GPT4Vタグ付けの利点は今後の5・6世代モデルでより顕著になる見込みです。

📖2024年1月5日 「HelloWorld 3.2」紹介

3.2はDPO技術による最適化版で、3.0と比べ肌色や四肢の精度は改善しているものの、顕著な差異はなく、このため4.0ではなく3.2と命名しています。

📖2023年12月15日 「HelloWorld 3.0」紹介

1. 訓練セットを拡張し、SFやアートを含む多様な芸術スタイル表現力を強化しました。

2. 自作の質向上LoCon（スライダー技術使用）を統合し、画像の質感を改善、指や四肢の歪み問題を軽減しました。

📖2023年11月17日 「HelloWorld 2.0」紹介

お待たせしました。様々な課題を乗り越え、満足できる状態でHelloWorld 2.0をお届けします。1.0との主な違い：

1. HelloWorld 2.0はトリガーワード不要で、1.0のトリガーワード使用時と同等の画質を実現。1.0の「leogirl」は東アジア人に強く関連していましたが、トリガーワード廃止後は「1girl」などでも指定しなければ東アジア風顔が出る場合があります。人種指定したい場合は国籍や肌色キーワードで可能。例：「Chinese」「Russian」「Iranian」「Jamaican」「Kenyan」「dark-skinned」「pale-skinned」など。以下は例示で、多様なプロンプトや遊び方があり、ご自身での探究・共有を歓迎します。

   

   国や性別の人物名をプロンプトに入れて多様キャラスタイルも可能。例：ハン・メイメイ（中国）、ソフィー・マルタン（フランス）、プリヤ・パテル（インド）、ファティマ・アル・ハサン（アラブ）、ワンジル・ムワンギ（ケニア）。上述は例示です。

   

2. 2.0は品質と色味のバランスに加えスタイル選択肢も増加。1.0は「leogirl」使用時フィルム感強め。2.0はフィルム感縛りなく品質に関わるプロンプトカスタム可能。検証済みの良好プロンプト例：高級ファッション撮影、商品紹介写真、人気の韓国風メイク、アイゴサル、シャープ高品質写真、スタジオライト、中判写真、マミヤ撮影、アナログフィルム、ソフトライト中距離ポートレート、実写画像、洗練された編集写真、RAW写真、実写、スキャン写真、フィルムスチル。色味例も掲載。

   

3. 訓練セットで全身写真の割合を大幅増加し、SDXLの全身・遠景肖像能力を向上。1.0より改善したが、全身写真生成時には特に'adetailer'使用を強く推奨。またVRAMが十分なユーザー（24GB推奨）は1.5倍高解像度修正を推奨し、顔のディテールが大幅改善されます。

📖2023年8月29日 「HelloWorld」SDXLベースモデル紹介

特別注意： HelloWorld 1.0モデル使用時は必ずトリガーワード「leogirl」を追加してください。

SD1.5ベースモデル「MoonFilm」とは異なる、新しいリアル志向のSDXLベースのstable diffusionモデルシリーズです。より多くのユーザーにHelloWorldを知っていただくため、元のMoonFilmモデルリンクは維持し、SDXL新プラットフォーム上でMoonFilmの精神的継続と位置づけていますが、HelloWorldは単なるリアリズムとフィルム調の追求を超えたものです。SDXLの圧倒的な情報量とテキスト理解力を活かし、HelloWorldを用いた仮想写真世界の構築を目指しています。

SD1.5のリアル系ベースモデルは成熟段階に達し大幅性能向上は見込み薄。突破技術が無い限りMoonFilm＆MoonMixシリーズはほぼ更新停止し、主力はHelloWorld SDXL大規模モデルの開発に注力します。1.0版はダウンロード可能で、2.0版は急遽開発中で9月初旬更新予定です。

HelloWorldが従来のSD1.5モデルと異なる点は3つ：

1. SD1.5ベースモデルは一般的にトリガーワード不要ですが、HelloWorld 1.0は安定したトレーニング効果のためトリガーワード「leogirl」の使用を必須とします。

2. HelloWorldは1024×1024ピクセルの直接出力をサポートし、高解像度拡大不要です。近接ポートレートの品質はSD1.5版に劣りませんが、遠景ポートレートはまだ改善余地があります。遠距離顔の問題はADetailerプラグインで効果的に修正可能です。

3. SDXLはより簡単に自然言語プロンプトで出力が可能。自然な言語でのプロンプト使用を推奨し、AIリアル写真のより良い結果を得られます。

複数の検証を経て提案する描画パラメータ設定：

• ステップ数≥25

• サンプラー：DPM++ 2M Karras

• CFGスケール：10

• サイズ：1024×1024以上

• ADetailer：オン

HelloWorldをお試しいただき、貴重なフィードバックをお寄せください。皆様のご意見が次のモデル改善に不可欠です！

著作権声明:

HelloWorldシリーズモデル（以下「本モデル」）は私（以下「所有者」）がLiblibAIプラットフォームの支援で制作しました。LiblibAI及びCivitai以外のプラットフォームで本モデルの再公開は所有者の許可なしに禁止します。

所有者は本モデルが生成する画像を、非営利の教育的または情報提供目的での無料利用を許諾しますが、以下条件を守ることを要求します：

- ユーザーは関連法規を遵守し、本モデルまたは第三者の権利を侵害しないこと。

- 画像のクレジットは「LEOSAMのHelloWorldベースモデルによる作成」と明示すること。

商用利用の場合は事前に所有者との商用ライセンス契約が必要です。商用ライセンス及びモデルの個別対応に関する問い合わせは所有者のホームページの連絡先までご連絡ください。

SDXLモデルの開発と無償配布は大きな取り組みであり、所有者はコミュニティのオープンソース開発貢献への感謝として個人愛好家向けに今後もHelloWorldモデルの無料更新を約束します。商業連携はモデルの発展と改善に不可欠です。ユーザー皆様の理解と支援に感謝します。

無断利用は法令違反となり法的責任を問われることがあります。所有者は本声明の解釈権を独占し、本声明は現行法規に準拠します。