v8

질감 업데이트：다음 태그들의 학습을 강화했습니다：

Texture Update: 다음 태그들이 학습에서 강화되었습니다:

realistic, photorealistic, flat color,

shiny skin, matte skin, shiny hair,

Danbooru 데이터셋에는 “사진”이나 “사진과 유사한 스타일”을 설명하는 여러 태그가 있습니다. 저는 학습 데이터셋에서 이 모든 이미지를 "photorealistic"으로 통일하여 태깅했습니다. 하지만 Danbooru 학습셋으로 훈련된 대부분의 SDXL 모델은 사실적인 이미지를 잘 그리지 못하므로 “photorealistic”은 낮은 가중치에서만 질감 조정을 위해 사용하는 것이 권장됩니다. “realistic”은 높은 가중치에서도 정상 작동합니다.

Danbooru dataset contains multiple tags to describe "photo" or "photo-like styles". I’ve tagged all such images as “photorealistic” in dataset.

However, most SDXL models trained on the Danbooru dataset do not render realistic images well. “photorealistic” is only recommended at low weight, where it can help adjust texture rather than create realism images. The “realistic” tag can work properly at higher weight.

빠른 시작 | Quick Start

이것은 무엇인가? | What is this?

• Pony: People's Works (ppw)는 실험적인 미세 조정 모델 시리즈로, 데이터셋의 약 85%가 CivitAI에서 사용자가 게시한 AI 생성 이미지로 수집되었습니다. 초기 ppw 데이터셋은 pony v6가 생성한 이미지 기반으로 구축되어, 이 시리즈 모델의 출력물 역시 pony diffusion의 특징을 갖고 있습니다.

• 이 시리즈 모델은 표준 Danbooru 태그를 사용하며, 주로 중간 및 근접 거리의 스타일화된 초상화 생성을 전문으로 합니다. 주된 기능은 기본 모델이 아티스트 키워드 없이, 적은 품질 프롬프트만으로 상대적으로 안정적인 이미지 품질을 얻도록 하여 프롬프트 토큰 공간을 절약하는 것입니다.
  본 모델은 스타일 LoRA가 아니며, 다양한 프롬프트와 생성 조건에 따라 미묘한 스타일 차이가 있을 수 있습니다.

• Pony: People's Works (ppw)은 약 85%의 데이터셋이 CivitAI 사용자 게시 AI 이미지로 구성된 실험적 미세 조정 모델 시리즈입니다. 초기 ppw 데이터셋은 Pony V6 생성 이미지 기반으로 만들어져 Pony Diffusion 특성을 포함합니다.

• 이 시리즈는 표준 Danbooru 태그를 사용하며 중간 및 근거리 스타일화 초상화 생성에 최적화되어 있습니다. 이 모델 시리즈의 주된 목적은 아티스트 키워드 없이 안정적인 이미지 품질을 제공하고 프롬프트 토큰 공간을 절약하는 것입니다.
  스타일 LoRA가 아니므로 프롬프트 및 조건에 따라 미묘한 스타일 차이가 있습니다.

버전 정보 | Version Info.

• 본 페이지는 ppw의 고차원 LoCon 버전을 제공하며, 프로젝트의 메인 페이지 역할을 합니다.

• LoCon 버전 ppw는 각종 기능 LoRA 및 베이스 모델과 유연하게 조합 가능하며, 효과 강도 조절이 뛰어납니다. 고차원 버전은 일반화 및 세부 표현력이 더 강력하지만 저장 공간과 연산 자원을 더 많이 사용합니다.

• 주로 온라인 생성 서비스 또는 고성능 PC를 가진 사용자의 로컬 생성에 적합합니다.

• This page features the high dim LoCon version models of ppw, which also serves as the main page of this project.

• The LoCon versions of ppw can be flexibly combined with various functional LoRAs and checkpoints, offering greater controllability over effect weight. The high dimension versions provide stronger generalization and more detailed rendering, but require more storage and computational resources.

• They are mainly intended for online generation services and local use by users with high-performance PCs.

경량화 LoCon | Lightweight LoCon ver.

베이스 모델 버전 | Checkpoint versions (Illustrious)

베이스 모델 버전 | Checkpoint versions (NoobAI)

더보기 | more

사용 방법 | Usage

긍정 프롬프트:

masterpiece, best quality, very aesthetic

부정 프롬프트:

low quality, displeasing

업데이트 기록 | Change log

v7

v7 버전은 데이터셋 구조에 상당한 조정을 가했으며, 다른 학습 매개변수와 전략을 사용하였기 때문에 v7이 이전 버전보다 안정적이지 않을 수도 있습니다.

The v7 version has undergone significant structural adjustments to the dataset, and utilizes different training parameters and strategies. As a result, v7 may be less stable than the previous versions.

v-pred 모델은 CivitAI 온라인 생성기에서의 성능이 TensorArt 온라인 생성기와 완전히 다르며, 동일한 파라미터로는 재현이 불가능합니다. 이유는 알 수 없습니다...

The v-pred model's performance on the CivitAI online generator is completely different from online generation on TensorArt. The results are entirely unreproducible with a same parameters. I have no idea why...

TensorArt 버전 CivitAI 동일 파라미터 버전 및 더 높은 가중치 버전의 비교 이미지

v7 버전 개요：

이는 이전 작업 데이터셋을 기반으로 발전된 이미지 품질 LoCon으로, 약 90%-95% 데이터가 CivitAI에서 게시된 이미지입니다.

이 모델은 아티스트 키워드 없이, 적은 품질 프롬프트로 상대적으로 안정적인 이미지 품질을 제공하며, 더 많은 토큰 공간을 절약합니다. 또한 일부 모델 고유의 생성 결함을 고칠 수 있습니다.(단, 손 제외)

데이터셋 선택으로 인해 생성된 이미지는 Pony 스타일 특성을 갖습니다. 그러나 특정 아티스트, 스타일 또는 화풍을 지향하지 않아 프롬프트 및 조건에 따라 미묘한 스타일 차이가 있을 수 있습니다.

This is a generation quality LoCon developed based on the dataset from the previous work. About 90%-95% of the image data comes from CivitAI.

It allows models to achieve relatively stable image quality without artist tags or using long quality prompts, freeing up more token space. Additionally, it can fix some inherent generation flaws of the model. (except for hands)

Due to the dataset selection, the generated images exhibit a Pony-like style. However, since it does not reference any specific artist, style, or painting technique, there may be subtle stylistic variations depending on different prompts and checkpoint conditions.

데이터셋 출처 및 라이선스 | Dataset Source & License

• 데이터셋 내 모든 이미지는 저자가 직접 수동 선별, 분류, 주석 편집했으며 수백 장은 수동으로 편집 및 수정되었습니다.

• 이 모델은 무료 오픈소스 모델로, 사용자는 개인 장비에 자유롭게 배포할 수 있습니다. 저자는 모델 판매로부터 어떠한 보상도 받지 않습니다. 저자는 본 모델을 상업 생성 서비스 혹은 상업적 이미지 생성에 사용하는 것을 제한하지 않으나 사용되는 체크포인트 및 다른 LoRA의 라이선스 제한 사항을 반드시 확인해 주십시오.

• 데이터셋의 약 90%-95%는 AI 생성 이미지이나 약 250장 이상의 공개 미디어, 뉴스 미디어, 출판물에서 수집한 이미지가 개념 보완을 위해 포함되어 있습니다. 향후 버전에서 점차 교체될 예정이니 상업용 사용자는 관련 위험을 스스로 주의해 주십시오.

  본 데이터셋은 특정 개인 작가 데이터를 포함하지 않으며, 어떤 작가 정보도 표시하지 않았습니다(단 AI의 오태그 가능성은 있습니다).

• 또한, 본 모델은 폐쇄 소스 상업용, 모델 판매, 폐쇄 소스 상업 모델 합병에 사용이 금지되어 있습니다. 오픈소스 합병 모델로 이미지 생성 서비스를 제공하는 경우에는 제한이 없지만, 합병 모델 출처 표기를 권장합니다.

• Every image in the dataset has been manually selected, categorized, and annotated by the author. Additionally, hundreds of the images have been manually edited and corrected.

• This model is free and open-source model, allowing users to deploy it on their personal devices. The author does not receive any compensation from selling the model. The author does not impose restrictions on using this model for commercial image generation services or generating images for commercial purposes. However, please be mindful of the license restrictions of the Checkpoint and other LoRAs used alongside this model.

• Approximately 90%-95% of the dataset consists of AI-generated images. However, around 250+ images have been collected from public media, news outlets, and publications to supplement concepts. Future versions will gradually replace these materials. Users with commercial intentions should be aware of the potential risks.

  This dataset does not include training data from any individual artist, nor does it contain explicit artist attributions (though AI mistagging cannot be entirely ruled out).

• Additionally, this model is not permitted for use in closed-source commercial applications, model resales, or merged into closed-source commercial models. There are no restrictions on open-source merged models being used for image generation services, but it is recommended to credit the sources of any merged models.