最新の更新：

(2025年9月7日) TensorArtで私を見つけることができます。

Stabilizer

これは私の微調整ベースモデルですが、LoRA形式です。

この微調整ベースモデルは：

• 固定スタイルではなく創造性に焦点を当てています。 データセットは非常に多様で、このモデルには創造性を制限するデフォルトスタイル（バイアス）がありません。

• 自然なテクスチャ、照明、そして最細部のみ。 プラスチックのようなAIスタイルはありません。（同じAI顔、髪型、テクスチャがない滑らかな表面など）。私はデータセット内のすべての画像を厳選しました。AI画像はゼロです。

• 歪みの少ない画像でより論理的。 より良い背景と構図。

• プロンプト理解の向上。 自然言語キャプションで訓練されています。

• (v-pred) より良く均衡した照明、高コントラスト。 純粋な黒の0と白の255が同じ画像、同じ場所にあっても、はみ出しや過剰飽和はありません。

カバー画像は未加工の出力で、デフォルトの1MP解像度です。アップスケールなし、プラグインなし、インペインティング修正なし。メタデータ付きで100％再現可能です。

カバー画像のスタイルは事前学習済みベースモデルのもので、プロンプトで誘発されています。これらは私のデータセットにはありません。事前学習済みモデルはこれらのスタイルを知っていますが、アニメデータに過学習しているため正しく生成できません。このモデルは過学習問題を修正しました。詳細は以下の「どうしてうまくいくのか」セクションを参照してください。

なぜデフォルトスタイルがないのか？

• 「デフォルトスタイル」とは、モデルにデフォルトスタイル（バイアス）がある場合、どんなプロンプトでもモデルがデフォルトスタイルの顔、背景、感情など同じものを生成する必要があることを意味します。

• 利点：使いやすく、スタイル指定をする必要がなくなります。

• 欠点：上書きできません。デフォルトスタイルに合わないプロンプトは無視されます。スタイルを重ねるとデフォルトスタイルが常に他のスタイルを重ねたり汚染したり制限します。

• 「デフォルトスタイルなし」はバイアスがなく、タグやLoRAでスタイルを指定する必要がありますが、スタイルの重なりや汚染がなく、指定した通りのスタイルを正確に得られます。

なぜこの「微調整ベースモデル」がLoRAなのか？

• 私はギガチャドではなく、何百万もの訓練画像を持っていません。ベースモデル全体の微調整は不要で、LoRAで十分です。

• 大量のVRAMを節約できるので、より大きなバッチサイズで訓練できます。

• 7GiBの巨大なチェックポイントではなく、40MiBの小さいファイルだけをアップロード・ダウンロードすればよく、99.4％のデータとストレージを節約できます。なので頻繁に更新できます。

• このLoRAは小さく見えますが、NvidiaのDoRAという新しい効率的なアーキテクチャを使用しており、従来のLoRAより効率的です。

ではこの「微調整ベースモデル」をどう得るか？

簡単です。

事前学習済みベースモデル＋このLoRA＝微調整ベースモデル

事前学習済みベースモデルにこのLoRAを全力でロードするだけで、微調整ベースモデルになります。使い方は下記参照。

このモデルを使用したマージ共有は禁止されています。ちなみに、不可視ウォーターマークを印字する隠しトリガーワードがあります。ウォーターマークと検出器は自作しました。使いたくはありませんが、可能です。

このモデルはCivitaiとTensorArtのみで公開しています。もし他のプラットフォームで「私」やこの文章を見かけたら、それらは偽物であり、使っているプラットフォームは海賊版です。

フィードバックはコメント欄にお願いします。皆が見られるように。Civitaiのレビューシステムは構造が悪く、誰もレビューを見つけられないので、そちらでは書かないでください。

使い方

最新バージョン：

• nbvp10 v0.271（NoobAI v-pred v1.0で訓練）

  • 正確な色と最細部。これが現時点で最高のモデルです。

• nbep10 v0.273（NoobAI eps v1.0で訓練）。廃止。

  • v-predモデルより彩度とコントラストが控えめ。標準epsilon（eps）予測の「小さな設計欠陥」のため、広い色域に届かない。だから後にv-predが登場。

• illus01 v1.198（Illustrious v0.1で訓練）。廃止。

  • 単に古すぎます...

注意：このLoRAをLoRAスタックで最初に読み込んでください。

このLoRAはNvidiaのDoRAという新しいアーキテクチャを使っています。従来のLoRAとは違い、パッチの重みが静的ではなく、現在ロード中のベースモデルの重みに動的に基づいて計算されます（LoRAをロードするたびに変わります）。予期せぬ変化を最小限にするため、最初にこのLoRAを読み込んでください。

このモデルの2通りの使い方：

1). 微調整ベースモデルとして使う (推奨)：

最細部で自然なディテールが欲しく、スタイルの組み合わせを完全制御したい場合。

事前学習済みベースモデルにこのLoRAを最初に全力でロードするだけです。事前学習済みベースモデルが微調整ベースモデルになります。

2). 他の微調整ベースモデルでLoRAとして使う。

なぜならLoRAだからです。

注意点：

• 「illustrious」ベースモデルを使う場合は特に重要です。 実際のベースモデルがどの事前学習済みベースモデルに基づいているか確認してください。一般的な「illustrious」アニメベースモデルはNoobAIに基づいているかそれに近いことが多く、illustrious自体ではありません。詳細は「ディスカッション」をご覧ください。LoRAは事前学習済みベースモデルに一致させる必要があります。ズレると画質が落ちます。

• 2つのベースモデルをマージしようとしています。既に強いデフォルトスタイルがあるベースモデルにこのLoRAを単に追加しても期待した効果は得られません。他の重み（LoRA、U-netブロックなど）を調整する必要があります。

• このモデルはAIスタイルに過学習したベースモデルに自然なディテールを追加できません（AI画像で訓練されたため、すべてが滑らかで光沢があり、テクスチャがなくプラスチックのように見えます）。現状の滑らかなAIスタイルを除去したい方もいるでしょうが、これは無理です。AIスタイルは過学習が非常に強く、細部を抑制する学習もされているので問題です。一度AIスタイルがあると消せません。

• このモデルはベースモデルにLoRAを多数重ねて壊れない魔法のツールではありません。名前が誤解を招くかもしれません。

どうしてこれがうまくいくのか：

過学習の問題：

• アニメモデルはアニメ画像で訓練されています。アニメ画像は単純で高レベルの「概念」のみを含み、大抵は非常に抽象的です。背景や詳細、テクスチャはありません。

• モデルには高レベルの「概念」だけ学ばせたいですが、実際は見たものを学びます。望むものではありません。

• 1,000万枚以上の単純で抽象的なアニメ画像を見た結果、モデルは1)詳細を生成する必要がないと学習しました。なぜならデータセットがそう指示していないからです。2)理解していなくても抽象的な概念を含む単純な画像を生成しなければいけません。これが歪んだ画像、つまり「過学習」です。

解決法：

• アニメ画像と現実世界の画像で訓練し、概念学習しつつ自然な詳細とテクスチャを保持し、過学習を減らします。

• NoobAIは一部現実のコスプレ画像を混ぜ込んでこれを実現しました（開発者がどこかで言及）。

• このモデルはさらに進んで、あらゆるもの（建築物、日用品、服、風景など）や完全な多層の自然言語キャプションで訓練し、元のSDXL訓練設定を模倣しています。

結果：

• 比較なし参照：1（アーティストスタイル）、2（一般的なスタイル）

• 過学習が減り歪みの少ない画像で、より自然なテクスチャ、照明、詳細が得られます。数千の組み込みスタイルタグ（Danbooru、e621タグ）、および元のSDXLが理解する一般スタイルを使い、2Dでも3Dでも抽象的でもリアルでも、きれいで詳細な画像が得られます。

• 最大限の創造性を維持。多様なデータセットのためデフォルトスタイルがなく、事前学習モデルや他のスタイルLoRAの創造性を制限しません。

データセット

最新または最近のバージョン

約7千枚の画像。ギガチャドが何百万枚も使うほど大きくはありませんが、決して小さくもありません。すべて私が厳選しました。

• 普通に見栄えの良いもののみ。説明不能な狂ったアートスタイルなし。AI画像なし、ウォーターマークなしなど。

• 全て高解像度画像。平均3.37MP、約1800×1800ピクセル。

• Googleの最新LLMによる自然言語キャプション付き。

• 全アニメキャラはwd tagger v3が最初にタグ付けし、その後Google LLMで確認。

• 自然、屋外、屋内、動物、日用品、様々なものを含むが、実際の人間は含みません。

• 様々な明るさ条件を網羅。非常に暗い、非常に明るい、両方など。

その他のツール

かつてまたは一部だったStabilizerのアイデアは今は別のLoRAに分離され、柔軟性を高めています。コレクションリンク：https://civitai.com/collections/8274233。

Dark：暗い環境に偏ったLoRA。明るさが高すぎるベースモデルの修正に便利。低照度画像で訓練。スタイルバイアスなし、汚染もなし。

Contrast Controller：手作りLoRA。モニターのスライダーのようにコントラストを制御。他の「コントラスト強化」トレーニング済みに比べ、効果が安定し数学的に直線的で、スタイルへの副作用ゼロ。

ベースモデルに過度な彩度問題がある場合や、よりカラフルにしたいときに有用。

例：

Style Strength Controller：過学習効果の軽減。物体や明るさのバイアスなど、あらゆる過学習効果を数学的に低減可能。増幅も可能。

Stabilizerとの違い：

• Stabilizerは実世界データで訓練。テクスチャ、詳細、背景の過学習効果を「減らす」のではなく、「追加」します。

• Style Controllerは訓練起因ではなく、ベースモデル訓練を「元に戻す」ようなもので、明るさや物体のバイアスなどの過学習を数学的に減少させます。

旧バージョン：

詳細は「更新ログ」を参照。旧バージョンは効果が大きく異なることがあります。

主なタイムライン：

• 現在～：自然な詳細とテクスチャ、安定したプロンプト理解、より創造的。純粋な2Dアニメスタイルに限定されない。

• illus01 v1.23 / nbep11 0.138 ～：鮮やかな色のより良いアニメスタイル。

• illus01 v1.3 / nbep11 0.58 ～：より良いアニメスタイル。

更新ログ

(2025年8月31日) NoobAI ep10 v0.273

このバージョンは初めからNoobAI eps v1.0で訓練。

以前のillus01 v1.198と比較：

• 極端な条件でより良く均衡した明るさ。（nbvp v0.271と同じ）

• より良いテクスチャと詳細。高SNRタイムステップでの訓練ステップが増加。（illus01は互換性向上のためスキップしていたが、現状全ベースモデルがNoobAIなので不要）

(2025年8月24日) NoobAI v-pred v0.271：

前バージョン v0.264と比較：

• 極端な条件でより良い均衡した照明、バイアス低減。

• 高コントラスト、同じ画像・場所で純黒0と純白255が共存し、はみ出しや過飽和なし。すべて同時に表現可能。

• (旧 v0.264は画像の明るさを10～250の範囲内に抑えようとし、なおバイアス問題があり、全体的に暗すぎたり明るすぎたりする傾向)

• v0.264同様、高か最大強度（0.9～1）推奨。

(2025年8月17日) NoobAI v-pred v0.264：

• NoobAI v-predでの初バージョン。

• より良い照明、はみ出し減少。

• 注意：強度は高か最大（0.9～1）推奨。

(2025年7月28日) illus01 v1.198

主にv1.185cと比較：

• 「c」バージョンの終わり。目を引くビジュアルは良いが互換性問題あり。例：ベースモデルに既にコントラスト強化がある場合、2つ重ねるのは不適切。高コントラストや過飽和等の派手な後処理はなし。

• 代わりにテクスチャと詳細を増強。映画的照明。互換性向上。

• データセット大規模見直しなど多くの変更で効果が前バージョンと大きく異なる。

• v1.185cの派手な効果が欲しい場合はこちらに特化した純粋なアートスタイルLoRAがあります。十分な大きさのデータセットがあれば訓練予定。

(2025年6月21日) illus01 v1.185c：

v1.165cと比較：

• 鮮明さとシャープネスが100％向上。

• 説明困難な混沌とした画像が30％減少。これにより、極端な高コントラスト効果は減り、通常使用では安定性向上。

(2025年6月10日): illus01 v1.165c

特別なバージョンです。 v1.164の改善版ではなく、「c」は「カラフル」「創造的」「混沌」を意味します。

視覚的に強烈で時に説明が難しい画像を含みます。例：非常にカラフル、高コントラスト、複雑な照明条件、複雑なパターンが至る所にあるなど。

結果、「視覚的に強烈」になりますが、自然さは若干犠牲になるかもしれません。柔らかい色合いのスタイルに影響することもあります。例：v1.164のように「鉛筆画」質感は完璧に生成できません。

(2025年6月4日): illus01 v1.164

• プロンプト理解の向上。各画像に3つの自然言語キャプションがつき、異なる視点から説明。DanbooruタグはLLMでチェックされ、重要タグのみ自然言語キャプションに融合。

• 露出過多防止。モデル出力が#ffffff純白に達するのを防ぐバイアスを追加。大抵の場合#ffffffは露出過多で多くの詳細が失われる。

• 訓練設定の一部変更。NoobAIのe-pred・v-pred両方と互換性向上。

(2025年5月19日): illus01 v1.152

• 照明、テクスチャ、詳細の継続的改善。

• 5,000枚追加、訓練ステップ増加により効果増強。

(2025年5月9日): nbep11 v0.205:

• v0.198の明るさと色の問題を迅速に修正。実際の写真のように劇的に変わらなくなりました。v0.198は悪くなく、創造的すぎたというだけです。

(2025年5月7日): nbep11 v0.198:

• 暗い画像を増加。暗い環境での体や背景の歪み減少。

• 色とコントラスト強化の削除。もはや不要。代わりにContrast Controllerを使うこと。

(2025年4月25日): nbep11 v0.172.

• illus01 v1.93～v1.121での新機能と同じ。新しい写真データセット「Touching Grass」。自然なテクスチャ、背景、照明向上。キャラクター効果は控えめにし、互換性向上。

• 色の精度と安定度向上。（nbep11 v0.160と比較）

(2025年4月17日): illus01 v1.121.

• illustrious v0.1にロールバック。illustrious v1.0以降は故意にAI画像（約30％）を含み、LoRA訓練には不適。これは論文で判明。

• キャラクタースタイル効果をv1.23レベルに低減。キャラクターの詳細は減りますが互換性は向上。これは妥協点。

• それ以外は以下（v1.113）と同様。

(2025年4月10日): illus11 v1.113 ❌.

• 更新：ベースモデルがIllustrious v1.1に基づく場合のみ使用。そうでなければillus01 v1.121を使用。

• Illustrious v1.1で訓練。

• 新データセット「Touching Grass」追加。より良い自然なテクスチャ、照明、被写界深度効果。背景構造の安定性向上。歪んだ部屋や建物などの歪み減少。

• LLMによる完全な自然言語キャプション。

(2025年3月30日): illus01 v1.93.

• v1.72は強すぎたため、全体の強度を減少。互換性向上。

(2025年3月22日): nbep11 v0.160.

• illus v1.72と同様の内容。

(2025年3月15日): illus01 v1.72

• 下記ani40z v0.4と同じ新しいテクスチャと照明データセット。より自然な照明とテクスチャ。

• 手の強化に特化した約100枚の小さな手画像データセット追加。グラスやカップを持つなどのタスクに焦点。

• 「単純な背景」画像をすべて削除。-200枚。

• 訓練ツールをkohyaからonetrainerに変更。LoRAアーキテクチャをDoRAに変更。

(2025年3月4日) ani40z v0.4

• Animagine XL 4.0 ani40zeroで訓練。

• 自然な動的照明と現実世界のテクスチャに焦点を当てた約1,000枚のデータセット追加。

• より自然な照明と自然なテクスチャ。

ani04 v0.1

• Animagine XL 4.0の初期バージョン。主にAnimagine 4.0の明るさ問題の修正。より良い高コントラスト。

illus01 v1.23

nbep11 v0.138

• データセットのバランスのため毛皮・非人間・その他の画像を追加。

nbep11 v0.129

• 悪いバージョン、効果が弱すぎるので無視してください

nbep11 v0.114

• 「フルレンジカラー」を実装。自動的に「普通で見栄えの良い」状態に色を調整。ほとんどの写真編集ツールの「ワンクリック自動補正」ボタンのようなイメージ。この最適化の欠点は高バイアスを防ぐこと。例：画像の95％を黒、5％を明るくしたいが、50/50にされるなど。

• 少しリアルなデータを追加。より鮮明な詳細、照明、平坦でない色。

illus01 v1.7

nbep11 v0.96

• 画像を増やした。

• 小規模な「壁紙」データセット（リアルゲーム壁紙、最高品質、約100枚）で再微調整。肌や髪の毛の詳細とコントラストが大幅改善。

nbep11 v0.58

• 画像を増やした。訓練パラメータをNoobAIベースモデルにより近づけた。

illus01 v1.3

nbep11 v0.30

• 画像を増やした。

nbep11 v0.11：NoobAI epsilon pred v1.1で訓練。

• データセットタグを改善。LoRA構造と重み分布を改善。より安定し、画像構成への影響が減少。

illus01 v1.1

• illustriousXL v0.1で訓練。

nbep10 v0.10

• NoobAI epsilon pred v1.0で訓練。