Zootlustrious [Aesthetic Illustrious XL Refinement] - v2.0
추천 프롬프트
1girl, masterpiece, best quality
추천 네거티브 프롬프트
worst quality,low quality,normal quality,lowres
worst quality
추천 매개변수
samplers
steps
cfg
추천 고해상도 매개변수
upscaler
팁
Euler Ancestral 샘플러 사용 시 더 좋은 결과를 위해 CFG를 4.0에서 5.0 사이로 설정하세요.
긍정 프롬프트에 명명된 아티스트 태그를 사용할 때는 부정 프롬프트에 worst quality, low quality, normal quality, lowres 같은 부정적 품질 태그를 포함하여 스타일 정확도를 높이세요.
체크포인트에 이미 주입된 DPO 또는 SPO Lora를 다시 사용하지 마십시오.
버전 하이라이트
기본 Illustrious를 바탕으로 처음부터 재학습되었습니다. 기본 screencap 스타일은 이제 품질 태그뿐 아니라 긍정 또는 부정 프롬프트에서 독립적으로 사용할 수 있는 고유한 screencap 태그와도 연관되어 있습니다. 기존 데이터에 대한 전체 데이터셋 설명 보완과 약 1000장 분량의 완전히 새로운 데이터도 추가되었습니다. 댓글에서 언급한 "레드 쉬프트" 문제도 해결되었습니다.
VAE가 내장되어 있습니다.
V2.0 특정 노트:
자세한 내용은 "About This Version"을 참조하십시오. 여기서 말씀드리자면 V2는 V1의 연속이 아니며 어떤 식으로든 관련된 것이 아니라, V2를 만들기 위해 기본 Illustrious를 바탕으로 처음부터 재학습한 것입니다.
V2는 V1보다 넓은 CFG 범위에서 더 안정적인 결과를 보여줍니다. 구체적인 프롬프트와 목표에 따라 4.5에서 약 7.0까지 좋은 결과를 낼 수 있습니다.
마지막으로, 다음은 기본 스타일에 독립적인 추가 제어 태그로서 screencap을 제외한 일반적인 "스타일 조정"에 유용할 수 있는 태그들의 무순서 목록입니다. 긍정적 또는 부정적 프롬프트와 조합하여 사용할 수 있습니다:
realistic, photorealistic, photo \(medium\), 3d, cgi, 2d, traditional media
프롬프트 관련 다른 모든 조언은 V1과 동일하며, 품질 태그와 함께 아티스트 태그를 사용할 때 밸런스를 맞추는 정보도 포함됩니다.
일반 노트:
이것은 다음 변경 사항이 적용된 Illustrious XL 0.1 "Raw"입니다:
추가 데이터셋 2000장 이상의 엄선되고 잘 설명된 이미지로 약 80 에폭 정도 추가 학습, V1 기준
DPO Lora 0.25 강도로 주입
SPO Lora 0.75 강도로 주입
이 체크포인트는 기본 Illustrious의 지식을 적극적으로 저하하거나 "지우지" 않으면서, masterpiece, best quality, high quality, absurdres 등 표준 애니메이션 모델 품질 태그를 바탕으로 모델의 기본 출력 스타일을 더 깨끗하고 일관되게 만드는 것을 목표로 합니다.
낮은 CFG가 더 좋은 결과를 내는 경향이 있으므로 Euler Ancestral Normal 또는 때때로 Euler Ancestral Karras 사용 시 4.0에서 5.0 정도 범위를 추천합니다.
만약 hungry clicker 또는 cutesexyrobutts 같은 명명된 아티스트 태그를 긍정 프롬프트에 사용하는 경우, 부정 프롬프트에 worst quality, low quality, normal quality, lowres 같은 부정적 품질 태그를 포함하는 것이 일반적으로 유용하며 특정 명명 스타일의 정확성을 높여줍니다. 하지만 명명된 아티스트 태그와 동시에 긍정 품질 태그를 꼭 사용해야 하는 것은 아닙니다.
이 체크포인트 위에 DPO 또는 SPO lora를 다시 사용하지 마십시오. 두 lora는 이미 적절한 강도로 주입되어 있으며, 추가로 사용하면 아웃풋이 오히려 악화될 가능성이 높습니다.
이 체크포인트의 "고해상도 픽스" 업스케일링에는 개인적으로 4x Foolhardy Remacri 또는 4x FaceUp DAT를 추천합니다.
모델 세부사항
토론
댓글을 남기려면 log in하세요.

