소개. 简介：

style LoCon은 "가장 많이 수집되고" "가장 많은 반응을 얻은" Civitai 사이트에서 수집한 포니 기반 모델 이미지로 훈련되었습니다.

이것은 Civitai에서 가장 많은 좋아요와 수집을 받은 포니系 모델 이미지로 훈련된 스타일 LoCon입니다.

이 LoRA는 특정 아티스트의 스타일이나 기술을 모방하려는 목적이 없습니다. 이는 어느 정도 커뮤니티 취향과 이미지의 시각적 매력을 반영할 수도 있습니다. 프롬프트에 따라 스타일이 미묘하게 변할 수 있습니다.

이 LoRA는 특정 화가의 스타일이나 그림 기법을 재현하려는 것이 아닙니다. 이는 어느 정도 커뮤니티의 미학과 이미지의 시각적 매력을 반영합니다. 다양한 프롬프트에 따라 미묘한 스타일 변화가 있을 수 있습니다.

사용법 使用方法：

V2 이전 버전에는 특정 트리거 단어가 없습니다. 해당 모델에 제공된 품질 태그를 사용하세요.

V3 및 이후 버전에서는 다음 태그들이 훈련되었습니다:

V2以前的版本没有特定触发词。请使用对应模型自带的质量提示词。

V3 및 후속 버전에서는 아래 태그들이 훈련되었습니다:

positive(긍정 태그):

masterpiece, best quality, very aesthetic

negative(부정 태그):

worst quality, low quality, displeasing

이 태그 기반으로 프롬프트를 편집할 수 있습니다.

데이터 생성 데이터 버전：

v6:

새로운 이미지 500장 이상을 추가하였으며, 일부는 Flux에서 선택되었습니다. 품질이 낮다고 판단한 오래된 이미지를 일부 제거하였습니다.

데이터셋 총 이미지 수가 3,000장을 넘었으며, 6개 버전의 데이터셋에서 20개 이상의 개념을 수동으로 향상 및 편집하였습니다.

모델의 랭크도 상승하였습니다.

500장 이상의 새로운 이미지가 추가되었고, 일부 이미지는 Flux에서 가져왔습니다. 품질이 낮다고 판단한 일부 오래된 이미지는 삭제되었습니다.

전체 이미지 수는 3000장을 넘어섰으며, 6개 버전 동안 20개가 넘는 개념을 수동으로 개선 및 편집했습니다.

모델의 등급도 향상되었습니다.

v5.9:

모델 성능이 기대에 미치지 못하지만, 훈련 데이터셋 내 이미지는 괜찮다고 봅니다. 태그를 수동으로 조정하며 결과 변화를 관찰할 계획입니다.

2025/1/3 업데이트:

일부 태그를 수동으로 수정했으나 밝기 및 색상과 관련은 없는 것 같습니다. 노이즈 오프셋과 연관된 것으로 임시 추측 중입니다.

v5:

데이터셋이 2,154장으로 확장되었고, 약 1,000장의 포니 이미지를 주요 학습 대상으로 삼았습니다.

V-pred 모델은 Eps-pred 기반 모델에서 훈련된 LoRA를 사용할 수 있으나 출력 품질이 크게 저하됩니다. 이 버전은 두 가지 유형의 모델에서 별도로 훈련됩니다.

최근 NoobAI 버전에서는 명확한 아티팩트가 보이나 Danbooru의 'jpeg artifact' 태그는 효과적이지 않습니다. 이에 대해 약 30장의 전형적이고 육안으로 식별 가능한 이미지를 부정적 예시로 선택했습니다.

관찰 결과, Pony v6와 NoobAI는 측면 앞머리가 있는 헤어스타일의 뿌리 부분에서 삼각형 모양의 들뜸 현상을 자주 생성합니다. Danbooru에서는 이 현상을 'hair intakes' 또는 'curtained hair'로 태그하나, Pony는 모든 캐릭터에 이를 적용합니다. 이 현상이 캐릭터 교육 시 헤어스타일 불일치의 중요한 원인입니다. NoobAI에서도 유사 현상이 발견되었으며, Danbooru 외부 데이터셋에 다수 존재하지만 정확한 태그가 없었던 것으로 추측합니다.

데이터셋 내 이미지를 필터링하였고, 약 3분의 2가 정확히 주석 처리되었습니다. 현재 프롬프트에 'hair intakes'를 넣으면 일정 부분 이 문제 완화에 도움이 되지만, 완벽한 해결책은 아직 찾지 못했습니다.

데이터셋이 2154장으로 확장되었으며, 약 1000장은 포니 이미지를 주요 학습 대상으로 사용했습니다.

V-pred 모델도 Eps-pred 기반 모델로 훈련한 LoRA를 사용할 수는 있지만, 결과물 품질은 크게 저하됩니다. 이번 버전은 두 가지 유형의 모델을 별도로 훈련합니다.

최근 NoobAI 버전에는 명백한 아티팩트가 나타나지만 Danbooru의 “jpeg artifact” 태그는 잘 작동하지 않습니다. 이 문제를 해결하기 위해 약 30장의 대표적인 눈에 띄는 이미지를 부정 예제로 선택했습니다.

관찰 결과, Pony v6와 NoobAI는 측면 앞머리가 있는 헤어스타일의 뿌리 부분에 삼각형 모양으로 들뜸 현상을 자주 생성합니다. Danbooru에서는 이를 'hair intakes'나 'curtained hair'로 태그하지만, Pony는 모든 캐릭터에 이 구조를 적용합니다. 이로 인해 Pony로 캐릭터를 훈련할 때 헤어스타일이 의도와 다르게 나오는 중요한 원인이 됩니다. Noob에서도 비슷한 현상을 관찰했습니다. 제 추측으로는 Danbooru 외부 데이터셋에 해당 특징이 많이 포함되어 있지만 정확한 태그가 없었기 때문입니다.

데이터셋 내 이미지들을 필터링했고 약 3분의 2 정도가 정확히 주석 처리되었습니다. 현재 프롬프트에 'hair intakes'를 입력하면 어느 정도 이 문제 완화에 도움이 되지만, 완전한 해결책은 찾지 못했습니다.

v4:

데이터셋 태그를 부분적으로 최적화했습니다. NoobAI Epsilon-pred v1를 기반으로 훈련했습니다.

포니 기반 모델은 귀걸이, 귀 피어싱 등 다양한 귀 장신구를 강하게 생성하는 경향이 있으며, 가끔 캐릭터의 귀 구조를 망가뜨립니다. 관련 태그를 재정리하고, 데이터셋 내 구조 오류가 경미한 이미지를 잘라내고 수동 편집했으며, 수정이 어려운 이미지는 제거했습니다.

데이터셋 주석 방식을 부분적으로 최적화했습니다. NoobAI Epsilon-pred v1을 기반으로 훈련했습니다.

포니 계열 모델은 귀걸이, 피어싱 등 귀 장신구 생성 경향이 강하고 때때로 캐릭터의 귀 구조를 손상합니다. 관련 주석을 정리했고, 데이터셋 내 일부 구조적 오류가 심하지 않은 이미지를 편집 및 크롭하였으며, 수정이 어려운 이미지는 제거했습니다.

v3:

데이터셋이 1,429장으로 확장되었고, 긍정 및 부정 태그가 포함된 예제들이 포함되었습니다.

774장은 가장 "원하는" 스타일의 이미지입니다.

Illustrious v0.1를 기반으로 훈련되었습니다.

데이터셋이 1429장으로 확장되었으며, 긍정 및 부정 태그가 포함된 예시가 있습니다.

774장은 주요 훈련 대상 스타일입니다.

Illustrious v0.1을 기반으로 훈련했습니다.

v2:

데이터셋이 374장으로 확장되었습니다. 생성 품질을 조절하기 위해 모델에 포함된 품질 및 미학 태그를 사용합니다.

훈련 데이터셋이 374장으로 늘어났고, 모델에 내장된 품질 태그를 이용해 생성 품질을 안정화하려고 시도했습니다.

v1:

Civitai에서 224장의 이미지와 정규화용 393장의 이미지를 훈련했습니다.

Animagine v3.1 및 Pony v6를 기반으로 두 버전을 훈련했습니다.

Civitai에서 224장의 이미지와 393장의 정규화된 데이터셋으로 훈련했습니다.

Animagine v3.1과 Pony v6 두 가지 버전이 있습니다.

test ver.4:

약간 과소적합 되었지만 여전히 작동합니다. 품질 태그 및 진정한 태그(best quality, masterpiece, very aesthetic 등)를 Animagine v3.1이 훈련한 것이 이 체크포인트가 생성하는 예술 스타일을 변경한다는 것을 발견했습니다. 다음 테스트 버전에서 수정할 예정입니다.

일부 과소적합이 있으나 현재는 효과적입니다. Animagine v3.1이 제공하는 품질 및 미학 태그가 생성되는 그림 스타일을 바꾸는 것을 발견하여, 이번 실험 버전에서는 품질 태그 없이 사용해야 합니다. 다음 버전에서 수정할 예정입니다.