모델/AnythingQingMix - v30

AnythingQingMix - v30

김지훈 (Kim Ji-hoon)

5/17/2025

1:24:05 AM

| Discussion

팁

태그 정확도, 조명 효과, 현실감 향상을 위해 V3 사용 권장.

태그 정밀도 조절에 주의; V3이 어렵다면 V2 또는 V1 사용 시도.

더 사실적이고 상세한 이미지를 위해 품질 관련 태그 포함.

이미지 생성 시 얼굴 수리 사용하지 말 것.

고해상도 수리 기능 사용하여 더 좋은 결과 시도.

크리에이터 스폰서

（제 QQ 그룹: 235392155, Lora 대리 훈련, ckpt 융합 조정은 QQ: 2402799912로 연락 바랍니다）

중국 내 사이트 tusi.art와 liblibai.com에도 모델이 있으며, 플랫폼별 창작 보상이 다르니 많은 관심과 지원 부탁드립니다! (이 모델 예시 이미지 일부를 여기서 공개예정)

【Xianyu】https://m.tb.cn/h.5V7ITvv?tk=eY01dB4UcnH

이것은 제 작은 후원이자, 전기요금 보조 QAQ, 지원에 감사드립니다~

https://afdian.net/a/_Qing_

이 모델을 모든 상업적 및 불법 행위에 사용하는 것을 금지하며, 무단 전재를 금지합니다. 결과 공유 목적으로만 사용하며, 위반 시 책임은 본인에게 있습니다!

（제 QQ 그룹: 235392155, Lora 대리 훈련, ckpt 융합 조정은 QQ: 2402799912로 연락 바랍니다）

중국 내 사이트 tusi.art와 liblibai.com에도 모델이 있으며, 플랫폼별 창작 보상이 다르니 많은 관심과 지원 부탁드립니다! (이 모델의 예시 이미지 일부를 본문에서 공개할 예정입니다)

【Xianyu】https://m.tb.cn/h.5V7ITvv?tk=eY01dB4UcnH

이것은 제 작은 후원입니다, 전기요금 보조 QAQ, 지원에 감사드립니다~

https://afdian.net/a/_Qing_

1. 모델 특징 개요

V3：

1. 업데이트 작업:

1. MBW 플러그인을 사용해 불완전 탐색 방식으로 일부 basil mix의 입력층과 중간층을 융합함

2. MBW 플러그인으로 매우 낮은 가중치로 일부 모델의 출력층을 불완전 탐색 방식으로 융합함

2. 업데이트 효과:

1. 태그 정확도 향상

2. 채도 증가, 화면의 사실적 질감 강화

3. 조명 효과 개선

4. 신체 부위 정확도 향상

5. 캐릭터 lora 재현도 개선

3. 주의 사항

1. vae는 animevae 사용 권장, 과도한 채도 방지 (갤러리 예시 이미지는 이 vae와 84000 사용)

2. 태그 작성에 더 높은 정확도를 요구함, V3 사용이 어렵다면 V2나 V1 버전 시도 권장

V2：

(성숙한 근육 남성만 선호하거나 더 단순한 사용을 원하면 V1 버전을 권장)

1. 업데이트 작업:

1. NovelAI 정품 VAE로 모델 내 VAE 교체

2. 불완전 탐색 방식으로 ckpt 내 clip 모델 교체

3. V1 미융합 lora 버전과 융합

2. 업데이트 효과:

1. 태그 정확도 향상

2. 구성 품질 향상

3. 융합 lora로 인한 이미지 고정 현상 완화

4. 일부 태그에 과도한 가중치 감소

V1:

1. 일반화 융합 모델로 다양한 스타일을 태그에 맞게 생성 가능하며, 높은 하한선과 태그 정확성을 보유하고, 리턴 이미지를 통해 큰 능력 확인 가능^v^

2. 인체 묘사 능력이 뛰어나 신체 붕괴 현상 미발견, 손발 붕괴 확률 매우 낮음

3. 융합 시 얼굴 영향 회피, 얼굴 고정 없음, 캐릭터 lora와 궁합이 좋음

4. clip 오프셋 문제 없음

5. unet 과적합으로 일부 태그 불능

2. 이미지 생성 추천사항

（커버 이미지의 다양한 파라미터 참고, vae별 효과 다름, Face Editor 플러그인 사용 선호）

1. 실제 인물 모델 기반이 많으므로 실제 인물 파라미터 시도 가능하나 얼굴 수정 비권장

2. 품질 관련 태그 추가 추천, 사실적이고 입체적 이미지 위해 사실성 및 조명 관련 태그 사용

3. 동일 태그에서 clip skip 1과 2의 결과 비교 추천

4. 사각형, 세로, 가로 이미지 모두 좋은 표현 가능, 캔버스 크기 자유 조정 가능

5. 고해상도 수리 시도 권장, 얼굴 수리 비권장

6. 좋아요, 리턴 이미지, 댓글, 별 5개 평가 부탁드립니다~

3. 융합에 사용한 모델

（확실하지 않으며 참고 용도）

VAE：orangemixa3.vae.pt

LORA：（총 가중치 0.3）

CKPT：

4. 방문객을 위한 모델 사용 팁 및 답변

（아래는 영어 번역）

（비전문가로서 미술과 AI를 정규 교육받지 않았지만 계속 학습과 탐구를 하며 여러 전문가와 소통 중입니다. 저는 정확성에 대한 강한 신념을 가지고 있으므로 제 영역에서 올바른 AI 지식을 전달하려 합니다. 아래 문서에 관련 내용을 포함하며, 발생하는 문제에 대한 개별 답변입니다.）

1. LORA

애니메 캐릭터 LORA에 가장 좋은 가중치는 1입니다. 가중치 조절로 적합도를 개선할 수 있으나, 추가 부작용이 발생할 수 있습니다. 예를 들어, 일부 사이트의 애니메 캐릭터 LORA는 과적합 상태로, 이를 개선하기 위해 가중치를 0.6/0.8로 줄이기도 하나 그로 인해 캐릭터가 원래 외모 일부를 잃게 됩니다.
과적합 간단 설명: 과도한 학습으로 LORA 표현이 경직되어 태그에 반응하지 않거나 원본 이미지와 같은 이미지를 생성하는 현상

2. CKP

clip 오프셋과 unet 과적합 모두 모델이 태그에 반응하지 않는 원인입니다.
clip 오프셋은 태그 인식 문제를 초래하며, 해당 문제를 인지하지 못하는 모델이 다수 존재합니다. 관심 있다면 아래 '기타' 부분에서 점검 및 수리 방법을 안내합니다.
unet 과적합도 모델 경직을 유발해 태그를 무시하고, 태그 없이도 괜찮은 이미지를 생성하는 경우가 있습니다. 이 경우 과적합으로 인해 원본 이미지가 출력됩니다.
융합형 ckpt는 이미지 생성의 하한선을 향상시키지만, 태그 가중치가 불규칙해 모델마다 고유한 "특징"이 생깁니다. 이에 기반해 훈련된 LORA는 다른 모델에 적용하기 어렵습니다.
LORA와 다른 모델을 더 잘 통합하기 원한다면 ckp 모델 융합 시 LORA 융합 피하거나, 저가중치로 필요한 부분만 수정하는 방식을 권장합니다.

3. VAE

CKP 자체에 VAE가 포함되어 있습니다. 외부 VAE는 보조가 아니라 교체 용도입니다.
VAE가 가장 직관적으로 변화시키는 것은 채도이며, 이 외에도 구성, 디테일 등에 영향을 미칩니다.

4. 기타

메모리 사용량이 많다고 무조건 좋은 모델은 아니며, 불필요한 데이터가 포함된 경우가 많아 용량과 트래픽 낭비입니다.
샘플 이미지 품질만으로 모델 품질을 판단할 수 없으며, 저자는 미적 기준 외에도 얼마나 많은 모델, 플러그인 보조, 반복 생성했는지 알 수 없습니다.
다운로드 수 및 좋아요 역시 모델 품질과 상관없으며, 이들은 저자 인지도, 커버 이미지 매력, 캐릭터 인기, 스타일 및 타깃 수요와 연관됩니다.
최신 버전이 항상 좋지 않으며, 특정 버전에서 방향성에 따른 여러 조정이 존재합니다. 일부 저자는 업데이트를 악용해 다운로드 수를 부풀리는 경우도 있습니다.
더 전문적이고 상세한 내용은 "万象熔炉 | Anything V5/Ink" 소개 부분 참고 바랍니다. clip 오프셋 점검 및 수리 관련 링크도 문서 초기 부분에 있습니다.
모델 링크：万象熔炉 | Anything V5/Ink - V3.2++[ink] | Stable Diffusion Checkpoint | Civitai

4. 방문객을 위한 모델 사용 제안 및 답변:

（미술과 AI 정규 교육은 없지만 지속적으로 학습하고 전문가들과 경험을 나누고 있습니다. 중요하게 생각하는 사안에 대해 높은 정신 청결도를 가지며, 저만의 영역에서 올바른 AI 지식 전달을 목표로 합니다. 세부 내용은 아래 문서에 있으며, 문제 발생 시 별도로 답변합니다.）

1. LORA:

애니메 캐릭터 LORA는 이상적인 가중치가 1입니다. 가중치 조절로 적합도를 개선할 수 있으나, 추가적인 부정적 영향이 있을 수 있습니다. 예를 들어, 일부 사이트의 애니메 캐릭터 LORA가 과적합된 경우가 많아 이를 개선하기 위해 가중치를 0.6/0.8로 줄이지만, 그 결과 캐릭터가 원래 외모 일부를 잃을 수 있습니다.

과적합 간단 설명: 과도한 훈련으로 LORA 표현이 경직되어 태그를 따르지 않거나 원본 이미지를 그대로 생성함.

2. CKP:

clip 오프셋과 unet 과적합 모두 모델이 태그를 따르지 않는 원인임.

clip 오프셋은 태그 인식 문제를 초래하며, 많은 모델이 이 문제를 인지하지 못함. 관심 시 아래 '기타'에서 점검 및 간단 수리 방법 소개.

unet 과적합도 모델을 경직시켜 태그를 무시하고, 태그 없이도 좋은 이미지를 생성. 이는 과적합으로 원본 이미지가 출력되는 상황.

융합형 ckpt는 이미지 생성의 최소 품질을 향상시키지만 태그 가중치가 혼란스러워 각기 "특징"이 존재. 이에 따라 이 모델로 훈련된 LORA는 다른 모델에 사용하기 어렵다.

LORA 및 기타 모델의 호환을 원한다면 ckp 융합 시 LORA 융합을 피하거나, 본인처럼 낮은 가중치로 불만족 부분만 수정하는 것을 권장함.

3. VAE:

CKP 자체에 VAE 포함, 외부 VAE는 추가가 아닌 교체 목적임.

VAE 주로 채도 변화를 일으키지만, 구성과 세부 묘사에도 영향.

4. 기타:

큰 메모리 사용량은 좋은 모델 보장하지 않음. 불필요한 데이터가 많아 용량과 네트워크 낭비.