SDS_FILM / 필름 사진 - v2.1.2

V5_SD1.5:

모델은 주로필름 사진, 계산 사진, 디지털 원본 세 가지 분야에 대해 아시아 인물을 깊이 미세 조정했습니다. 현재 학습 데이터는 주로 아시아의 젊은 남성과 여성, 소량의 풍경으로 구성되어 있습니다. GPT4V로 태깅하고 일부는 Cogvqa, WD1.4 혼합 태깅을 사용했으며, WD1.4에서 1girl, 1boy 태그는 woman, man으로 수정해 나이 혼동을 방지했습니다.

주의: 이 버전은 SD1.5 버전으로 다른 모델에서 통합된 것입니다. 또한 모델은 균형 잡힌 전면적인 학습을 목표로 하지 않아 눈에 띄는 기능적, 미학적 편향이 있을 수 있습니다.

디지털 원본: Raw format

필름 종류: Film photography

사용된 일부 필름: Fuji C100 촬영, Fuji C200 촬영, Kodak 400 촬영, Kodak gold 200 촬영, Nolan 5219 촬영

계산 사진: computational photography

화질 등급: 휴대폰 이미지 품질, 유선전화 이미지 품질, 호출기 이미지 품질

초기 설정(실제 상황에 따라 수정 가능하며, 계산 사진 및 이하 등급을 부정적 프롬프트에 포함하면 화질 최대 향상이 가능하며, 반대도 동일):

정면 프롬프트: 8K, masterpiece, best quality:1.2, ultrahigh-res,

부정 프롬프트: anime, cartoon, 3D rendering, high saturation, facial blemishes, lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, CyberRealistic_Negative-neg,(SkinPerfection_NegV15),

기타 파라미터 설정은 예시 이미지를 참조하세요.

문제점: 1.5 모델의 눈 처리가 여전히 부족하며, 심화가 필요할 시 XL 모델을 사용해 눈을 별도 재그리기 하는 것을 권장합니다.

모델은 LEOSAM FilmGirl Ultra를 기반으로 학습되었으며 모든 저작권 사용 선언은 상위 모델을 따릅니다.

V4：

모델은 주로 필름 사진, 계산 사진 두 가지 분야에 대해 아시아 인물을 깊이 미세 조정했습니다. 핵심 데이터를 최적화하는 동시에 일부 인기 필름 종류를 추가했습니다. 이미지에 화질 등급을 부여하고 다양한 저품질 이미지를 도입해 부정적 특성을 추출해 화질 제어 능력을 강화했습니다.

이 모델은 LEOSAM의 HelloWorld5.0 대형 모델(이하 HW5.0)을 기본 모델로 사용하며, 모든 사용 규칙은 HW5.0의 선언에 따릅니다. 모델을 수정할 경우 반드시 본 모델과 HW5.0을 소개란에 명시해 주세요. HW5.0 모델 주소는: https://civitai.com/models/43977/leosams-helloworld-sdxl-base-model

제 모델을 좋아하신다면,커피 한 잔 사주세요 또는 아이다디안로 지원해 주세요. 또한 많은 작품 공유와 별점 및 리뷰도 환영합니다. 정말 중요합니다!

학습 프롬프트 개요:

권장 해상도는 896*1152이며, 기타 파라미터는 V4RC1 또는 HW5.0 설명을 참조하세요.

다음은 주요 학습 컨셉과 호출어입니다.

필름：Film photography

일부 필름 종류: Fuji C100 촬영, Fuji C200 촬영, Kodak 400 촬영, Kodak gold 200 촬영, Nolan 5219 촬영

계산 사진：computational photography

화질 등급: 휴대폰 이미지 품질, 유선전화 이미지 품질, 호출기 이미지 품질

(화질은 순차적으로 감소: 휴대폰 화질, 유선전화 화질, 호출기 화질)

학습된 부정 프롬프트: 과다 노출 배경, 낮은 조명, 과다 노출 영역, 불균일 조명, 저해상도, 잠재적인 압축 아티팩트(테스트 결과 화면 간섭은 적음)

사용 권장:

필름 사용 시, Film photography + 임의 필름명(또는 필름명 미작성) 입력

학습 부정 프롬프트 및 worst quality, low quality, illustration, 3d, 2d, painting, cartoons, sketch,

선택적으로 computational photography, Mobile phone image quality, Landline image quality, Pager image quality 추가

계산 사진 항목을 부정 프롬프트에 완전히 포함 시 과도한 선명화 위험이 있고, 데이터 주체가 필름이므로 특별한 프롬프트 없으면 기본 필름 효과로 인식됨.

계산 사진 사용 시(휴대폰 화질), computational photography + 임의 화질 등급 입력

부정 프롬프트에 학습 부정 프롬프트는 추가하지 않아도 됨(계산 사진 특성임)

다양한 촬영 유형 화질 비교:

다양한 필름 모델 비교:

다양한 부정 임베딩 비교:

주의: 모든 촬영 효과는 현실 세계의 필름이나 휴대폰 촬영 효과를 대표하지 않으며, AI 시뮬레이션 결과와 개인적 미학을 포함하므로 실제 장비와 연관 짓지 마십시오.

Note: all photography effects can not represent the real world film, mobile phone shooting effects, here are AI simulation results, with personal aesthetic, do not correspond to the model effect to the real specific equipment.

V4_RC1:

V4는 수백 시간 현지 학습하였으며, 데이터는 GPT4V로 태깅하고 일부 WD1.4+cog를 사용했습니다. 모델은 일부 과적합 문제를 겪었으며, 이를 완화하기 위해 첫 번째 MBW 단계를 거쳤습니다. 이전 버전 V4에 비해 손 구조가 상대적으로 개선되었고, 프롬프트 반응이 더 민감하며, 색감 조정이 더 적극적입니다. (데이터 제한으로 종합적인 효과 보장은 어렵습니다.)

V4_RC1:

V4 has been training locally for hundreds of hours, and the data body is marked with GPT4V and partly with WD1.4+cog.

The model has also encountered the situation of partial overfitting, and the first round of MBW has been carried out to alleviate it.

Compared with the previous version of V4, the hand structure has relatively better performance, more sensitive cue response, and more radical color adjustment.（Due to the limited data, the comprehensive effect can not be guaranteed.）

사용 안내:

보통 DPM++2M K 또는 restart를 사용하며, 샘플링은 30-40( restart는 20), 클립 종료는 1, CFG: 5-7로 합니다.

ADetailer에서는 경계 흐림 20, 재그림 범위 0.4로 설정합니다.

refiner0.8를 사용하면 고주파 디테일 향상이 가능합니다.

고화질 복구에는 8x_NMKD-Superscale_150000_G를 사용하며, 1.5배 확대, 12회 반복, 범위 0.35 설정입니다.

부정 프롬프트: (worst quality, low quality, illustration, 3d, 2d, painting, cartoons, sketch), mole, skin blemishes (이 버전에서는 피부 결함이 나타날 수 있어 마지막 두 가지를 추가하면 효과적입니다.)

Instructions for use:

usually I use DPM++2M K or restart, sample 30-40 (restart20), cilp terminates 1pm CFG restart20 5-7.

In ADetailer, the redraw edge is blurred by 20, and the redraw range is 0.4.

You can access refiner0.8 for better high-frequency details.

HD repair uses 8x_NMKD-Superscale_150000_G, zoom in 1.5, iterate 12, and range 0.35.

Negative prompts: (worst quality, low quality, illustration, 3D, 2d, painting, cartoons, sketch), mole,skin blemishes, (this version may have skin defects, adding the last two can effectively relieve)

The model may still have problems, and now GPT4V marking + new process retraining has been used.

V3 정식 버전 안내:

FP32에서 자연어 학습 시도를 사용하며 고정된 트리거 단어는 없고, 샘플러 문제는 발견되지 않았습니다. 인종 불안정 시 아시아인을 입력해 트리거 강화를 할 수 있습니다. 실제 상황에 따라 고화질 복구, 얼굴 복구를 켤 수 있으나 전신 얼굴 촬영은 얼굴 복구를 권장하지 않습니다.

2.1.2：

현재 대부분 샘플링 방법이 대다수 장면에서 과도한 노이즈를 발생시키지 않아 refiner는 필수가 아니며 After Detailer도 정상 작동합니다. DPM++ 2M Karras, Euler, Restart의 성능이 상대적으로 우수합니다.

Most sampling methods now no longer generate excessive noise in most scenarios, so refiners are no longer necessary, and After Detailer can also be used normally.

DPM++2M Karras, Euler, and Restart performed relatively better.The remaining parts are still the same as below.

2.1.0：

1: 많은 테스트 결과, 현재 추천하는 샘플러는 euler와 euler a이며, 권장 스텝 수는 50, refiner 사용 시 전환 시기는 0.9입니다.

다른 샘플러는 일부 장면에서 노이즈를 많이 발생시키므로 refiner로 노이즈를 줄일 수 있으나 ADetailer를 켜면 노이즈가 재발생해 거의 사용 불가능한 상황이 생깁니다. 다른 샘플러를 사용할 경우 얼굴 복구 플러그인은 끄고 고화질 복구만 사용하는 것을 권장합니다. 이는 현재까지 최대 문제점입니다.

2: CILP: 2(훈련은 1 사용, 테스트 시 2 사용과 큰 차이 없음)

3: ADetailer는 euler와 euler a 샘플러를 사용할 때만 켜는 것을 권장합니다.

4: 해상도: 896*1152(또는 공식 권장 해상도)

사용자 안내:

1: 새로운 태깅 모델인 cilp model: VIT-L-14/openai와 captain model: bilp2-flan-t5-xl을 사용했습니다. 따라서 이미지 설명이 어려울 때 이 두 모델을 사용해 프롬프트 유도를 시도하면 최적 결과를 얻을 수 있습니다.

2: 호출어에 대해 테스트를 진행하였으며, 화면에 약간 영향을 주나 크게는 아니므로 사용하는 것이 좋습니다.

3: 핵심! 모든 자막 파일을 분석해 가장 효과적인 태그는 다음과 같습니다: ulzzang, naver fanpop, ffffffound, streaming on twitch, character album cover, 이들은 호출어 외에 가장 자주 등장하는 내용으로 한꺼번에 모두 넣으면 좋은 결과를 얻을 수 있습니다.

4: 긍정적 품질 프롬프트는 보통 다음 두 가지를 사용합니다: <lora:DetailedEyes_xl_V2:1>, <lora:neg4all_bdsqlsz_xl_V7:1>, 모두 @bdsqlsz 출처로 오염이 거의 없습니다. 손 복구용 <lora:ClearHand-V2:1>는 @frostyforest 출처로 단순 손 구조는 잘 처리하지만 복잡한 상황은 과제로 남아 있습니다.

5: 부정 프롬프트: (worst quality, low quality, illustration, 3d, 2d, painting, cartoons, sketch), greasy skin,

마지막으로 제 QQ 대화방 749047075 비밀번호: SDS에 관심 있는 분들 참여 환영합니다. 새 모델이 있으면 즉시 내부 테스트를 진행합니다.

Reminder section:

1: 새로운 태깅 모델 cilp model: VIT-L-14/openai와 capture model: bilp2-flan-t5-xl을 사용했습니다. 이미지 설명 모를 때 두 모델로 프롬프트 추론하면 최상이 나옵니다.

2: 호출어 관련 테스트 결과 어느 정도 화면 영향 있지만 크지 않아 사용하는 것을 추천합니다.

3: 중요! 모든 자막을 모아 효과적인 태그를 정리했는데 ulzzang, naver fanpop, ffffffound, streaming on twitch, character album cover가 가장 빈번한 내용으로 한꺼번에 넣으면 효과 좋습니다.

4: 긍정 품질 프롬프트는 대개 <lora:DetailedEyes_xl_V2:1>, <lora:neg4all_bdsqlsz_xl_V7:1>를 사용하며 @bdsqlsz 출처입니다. 손 복구는 <lora:ClearHand-V2:1>로 @frostyforest 출처이며 단순 손 구조는 잘 처리하지만 복잡한 경우는 어려운 점이 있습니다.

5: 부정 프롬프트: (worst quality, low quality, illustration, 3d, 2d, painting, cartoons, sketch), greasy skin,

마지막으로 제 QQ 그룹 749047075 비밀번호: SDS에 가입해 토론과 교류를 환영합니다. 새 모델이 나오면 내부 테스트도 즉시 수행합니다.

샘플러/스텝 / Sampler/Steps:

호출어 / trigger word