LEOSAM's HelloWorld XL - HelloWorld XL 1.0

🖥️Zapraszamy do wypróbowania otwartoźródłowego GPT4V-Image-Captioner, stworzonego przeze mnie i mojego przyjaciela. Oferuje instalację jednym kliknięciem oraz ma wiele funkcji, w tym wstępną kompresję obrazów, tagowanie obrazów i statystyki tagów. Niedawno uruchomiliśmy także wersję wtyczki webui tego narzędzia, z której każdy może korzystać!

🌍Zapraszamy do dołączenia do grup QQ "兔狲·AIGC梦工北厂" o numerze: 780132897 oraz "兔狲·AIGC梦工南厂" o numerze: 835297318 (hasło do grupy: 兔狲). Grupa Telegram "兔狲的SDXL百老汇", link: https://t.me/+KkflmfLTAdwzMzI1

📖Aktualizacja HelloWorld 7.0 - 13 czerwca 2024

Podsumowanie w jednym zdaniu: HelloWorld 7.0 jest iteracyjnie zoptymalizowaną wersją z najlepszą wydajnością ciała w całej serii oraz dalszym rozszerzeniem zakresu koncepcji i bogactwa detali.

Szczegóły aktualizacji:

1. Dzięki dodaniu negatywnych obrazów treningowych, wzmocnieniu treningu pozycji oraz optymalizacji modelu clip, dokładność kończyn i dłoni w modelu została poprawiona względem wersji poprzednich. Zalecane negatywne słowa w promptach to: „bad hand, bad anatomy, worst quality, ai generated images, low quality, average quality”.

2. Wyodrębniono dostrojony LoRA z oficjalnego modelu SPO i włączono go do HelloWorld 7.0. SPO jest dalszym ulepszeniem metody DPO. Model podstawowy SPO zapewnia lepszą wydajność niż baza DPO XL i oryginalny model bazowy SDXL. SPO LoRA wzmacnia detale i kontrast obrazu oraz upiększa obrazy. Podziękowania dla zespołu technicznego SPO.

3. Kontynuowano rozszerzanie zakresu koncepcji zestawu treningowego, ale zoptymalizowano i uproszczono zestaw trenigowy (duży zestaw treningowy jest kosztowny, a H800 ostatnio trudny do wynajęcia, co wydłuża czas lokalnego treningu). Obecna łączna liczba obrazów treningowych wynosi 20 821. Rozkład rozdzielczości obrazów w zestawie treningowym jest następujący, a do wyjścia zaleca się użycie kilku rozdzielczości z większą liczbą obrazów:

   (832, 1248) - Liczba: 7128
   (896, 1152) - Liczba: 6250
   (1248, 832) - Liczba: 2402
   (1024, 1024) - Liczba: 1639
   (1360, 768) - Liczba: 928
   (1152, 896) - Liczba: 870
   (768, 1360) - Liczba: 432
   (960, 1088) - Liczba: 506
   (992, 1056) - Liczba: 162
   (1088, 960) - Liczba: 140
   (704, 1472) - Liczba: 120
   (1056, 992) - Liczba: 122
   (1472, 704) - Liczba: 115
   (1632, 640) - Liczba: 75
   (640, 1632) - Liczba: 12

4. Wykorzystano GPT4O do ponownego oznaczenia wszystkich zestawów danych. Tym razem zastosowano metodę strukturalnego etykietowania, gdzie struktura to: „jednozdaniowy opis podsumowujący + wiele tagów elementów obrazu + inspirowane przez XXX + słowa opisujące jakość estetyczną”, gdzie słowa jakości estetycznej dzielą się na pięć poziomów: worst quality, low quality, average quality, best quality, i masterpiece. Typowy przykład etykietowania to:

   conceptual art featuring a human hand wrapped in red and beige ribbons, isolated against a plain, light background, realistic style, minimalist color scheme, smooth textures, elongated and surreal aesthetic, inspired by salvador dalí's surrealist works, masterpiece

„Lista tagów frekwencji wysokiej” i „lista stylów artystycznych o wysokiej frekwencji” związane z Inspired by XXX w wersji HelloWorld 7.0 będą dostępne wyłącznie dla użytkowników z licencją komercyjną. Partnerzy posiadający autoryzację serii modeli Helloworld XL proszeni są o kontakt w celu uzyskania bezpłatnego dostępu, jeśli cokolwiek pominąłem.

Gracze mogą odwołać się do Listy 250 najczęstszych słów tagujących HelloWorld 6.0. Ponadto w galerii udostępniłem ponad 150 wysokiej jakości przykładowych obrazów HelloWorld 7.0, które mogą służyć jako odniesienie przy tworzeniu własnych dzieł. Tworzenie modeli nie jest łatwe, dziękuję graczom za wyrozumiałość i cierpliwość!

📖Aktualizacja HelloWorld 6.0 - 20 kwietnia 2024

LEOSAM HelloWorld 6.0 Lista 250 najczęstszych tagów

Dziękuję za cierpliwość. Ostatnio szukałem pracy, co spowodowało opóźnienia w aktualizacjach HelloWorld. Oto główne zmiany w wersji 6.0:

• HelloWorld 6.0 to iteracyjne ulepszenie wersji 5.0. Z moich testów wynika, że realizm nie różni się znacząco od wersji 5.0. Główna zaleta wersji 6.0 to szersze pokrycie tematów w zestawie treningowym. Według opinii ulepszono takie tematy jak surrealizm, boudoir, zdjęcia grupowe, maski, origami, rendery 3D, samochody, smoki i fotografia ciążowa. Kilka przykładów znajduje się w ilustracjach.

• HelloWorld 6.0 celowo zawiera pewną ilość niskiej jakości obrazów w treningu, aby wzmocnić reakcję modelu na negatywne prompta. Zalecane negatywne mile to: „low quality, jpeg artifacts, blurry, poorly drawn, ugly, worst quality”.

• Główna część zestawu treningowego HelloWorld 6.0 wykorzystuje tagowanie GPT4v. Dla obrazów, które GPT4v nie może oznaczyć, stosowany jest cogVQA sterowany przez blip2-opt-6.7b. Styl języka tagującego tych modeli multimodalnych różni się znacznie od tradycyjnego taggera WD1.4. Aby ułatwić dokładniejsze wyzwalanie różnych koncepcji w zestawie treningowym, opracowałem listę 250 najczęstszych słów tagujących z HelloWorld 6.0, dostępną w tym dokumencie.

Na koniec, mimo że SD3 jest bliskie wydania, nadal będę aktualizować HelloWorld XL 7.0, licząc na większe ulepszenia w wersji 7.0!

📖2024.2.22 Wprowadzenie „HW5.0_Euler_a_Lightning”

Ten model to przyspieszona wersja bazowego modelu HelloWorld SDXL, wykorzystująca technologie SDXL-Lightning. Wyposażony w sampler Eular a i CFG 1, potrafi generować obrazy w 6-8 krokach, co jest trzykrotnie szybsze niż wersja oryginalna SDXL. Ponadto, w porównaniu jego wyniki obrazowania są lepsze niż wersji LCM czy Turbo.

Zalecane parametry generowania obrazów tym modelem:

Sampler: Eular a (ważne! Model jest specjalnie dostosowany do Eular a, inne samplery mogą nie dać równie dobrych efektów)

Skala CFG: 1

Liczba kroków: 8 kroków (akceptowalne 6~8 kroków)

Algorytm hires: ESRGAN 4x / 8x_NMKD-Faces_160000_G

Czynnik powiększenia hires: 1.5x

Kroki hires: 8 kroków

Siła denoisingu hires: 0.3

📖2024.2.11 Wprowadzenie „HelloWorld 5.0 GPT4V”

HelloWorld 5.0 to najważniejsza aktualizacja w historii serii HelloWorld, oznaczona GPT-4v i poddana znacznemu dostrojeniu w dziedzinach takich jak science fiction, zwierzęta, architektura i ilustracja.

Testy porównawcze pokazują następujące ulepszenia w tej wersji:

1. Bardziej zróżnicowane i dynamiczne pozy postaci i kompozycje obrazów, tworzące atrakcyjne wizualnie obrazy;

2. Zestaw filmowy został intensywnie przeszkolony. Podczas gdy tekstura filmu była słaba w wersjach 2.0 do 4.0, wielu fanów tęskniło za stylem leogirl z wersji 1.0. W związku z tym ta aktualizacja specjalnie wzmocniła teksturę filmu bez utraty innych jakości fotograficznych. Teksturę filmu można wywołać frazami takimi jak film grain texture oraz analog photography aesthetic;

3. Zwiększona ekspresja w tematach takich jak science fiction, thriller i zwierzęta, z mechami i innymi tematami o bardziej zaprojektowanym charakterze. Zwierzęta takie jak lampart śnieżny, panda ruda, panda wielka, tygrys, kot pallasa oraz koty i psy domowe są bardziej realistyczne;

4. Dzięki tagowaniu GPT, przestrzeganie promptów i dokładność koncepcyjna zostały dodatkowo poprawione.

Wady tej wersji to:

1. Jako że jest to duża aktualizacja dostrajania, wskaźnik błędów dotyczących kończyn może nieznacznie wzrosnąć - to normalne, gdy wychodzimy ze strefy komfortu do nowych obszarów optymalizacji względnej. Wersje poprzednie miały szerokie testowanie kończyn, natomiast nowa wersja miała ograniczony czas na takie poprawki. Niemniej dokładność kończyn w tej wersji jest przynajmniej wyższa niż w wersji 1.0, i nadal będę dokonywać ulepszeń w kolejnych aktualizacjach.

2. Z powodu wzmocnionej tekstury filmu, mimo że tagowanie GPT jest jak najbardziej precyzyjne, obrazy mogą mieć nieunikniony ciepły ton domyślny. Można jednak użyć promptów takich jak studio light lub sharp focus, aby uzyskać wysokiej rozdzielczości zdjęcia studyjne, a odpowiednio stosowane prompty poprawiają przebarwienia skóry i atrakcyjność wizualną w porównaniu do wcześniejszych wersji.

3. W tej wersji jest więcej całopostaciowych obrazów postaci, aby wzmocnić efekt pełnej sylwetki, więc model może generować szersze sceny niż wcześniej, jeśli nie wskazano konkretnej kompozycji postaci. Aktualnie detale twarzy w pełnych sylwetkach o rozdzielczości 1024 mogą być mniej ostre w porównaniu do półpostaci lub zbliżeń. Można to jednak poprawić za pomocą adetailer i naprawy hires 1.5x z intensywnością 0.3, albo stosując prompty ograniczające pełne sylwetki.

4. Ponieważ dodano niewielką liczbę wysokiej jakości zestawów ilustracji, istnieje ryzyko, że prompty związane ze stylami animowanymi wygenerują obrazy animowane. Jeśli to nie jest pożądane, należy dostosować prompty.

To są główne zmiany w tej wersji. Trening bazowego modelu SDXL jest wyzwaniem, a przy zbliżaniu się zestawu treningowego do 10 000 obrazów, koszty tagowania i treningu dla każdego modelu przekraczają 300 USD. Zachęcam do korzystania z modelu i doceniam wszelkie opinie! Jeśli model spełnia Twoje oczekiwania, będę ogromnie wdzięczny za rozgłos o nim.

📖2024.1.31 Wprowadzenie „HelloWorld 4.0”

HelloWorld4.0 to progresywna wersja przejściowa od tagowania blip+clip do tagowania GPT4V. Początkowo trenowałem czysty model tagujący GPT4V, a potem połączyłem go z dużym udziałem wersji HelloWorld3.2 i 0,05 udziału Juggernaut XL (by dostosować odcień skóry). Nowa wersja wykazała poprawę przestrzegania promptów i zakresu koncepcji w porównaniu z wersją 3.2.

Nowy zestaw treningowy tagowania GPT4V zwiększył się dwukrotnie z 4000 obrazów serii helloworld3 do 8000 obrazów, obejmując nie tylko portrety, ale też zwierzęta, architekturę, naturę, jedzenie, ilustracje i inne. Wersja czysta GPT4V napotkała problem przeuczenia, częściowo przypisywany zwiększeniu liczby obrazów. Kolejnym krokiem iteracyjnym jest znalezienie sposobu, by uwzględnić jak najwięcej koncepcji nieportretowych przy zachowaniu odpowiedniego treningu portretów. Na tym etapie zastosowano fuzję nowej i starej wersji do dostrojenia, zapewniając płynne przejście między wersjami, dlatego rozszerzony zakres koncepcji i zalety tagowania GPT4V nie są na razie bardzo widoczne. Zostaną one bardziej uwidocznione w następnych generacjach modeli - 5 i 6.

📖2024.1.5 Wprowadzenie „HelloWorld 3.2”

Wersja 3.2 to iteracja zoptymalizowana technologią DPO. W porównaniu do wersji 3.0 zoptymalizowano odcień skóry i dokładność kończyn, ale ulepszenia nie są duże. Dlatego oznaczona jest jako 3.2, a nie 4.0.

📖2023.12.15 Wprowadzenie „HelloWorld 3.0”

1. Nowa wersja rozszerzyła zestaw treningowy, zwiększając zdolność modelu do wyrażania się w różnych stylach artystycznych, w tym science fiction i sztuki.

2. Zintegrowano własnoręcznie stworzony LoCon poprawiający jakość (stworzony za pomocą technologii suwaka), aby poprawić teksturę obrazów i złagodzić zniekształcenia palców i kończyn.

📖2023.11.17 Wprowadzenie „HelloWorld 2.0”

Dziękuję wszystkim za cierpliwość. Po pokonaniu różnych wyzwań wersja HelloWorld 2.0 jest wreszcie gotowa do przedstawienia w stanie, z którego jestem zadowolony. Główne różnice między HelloWorld 2.0 a 1.0 to:

1. HelloWorld 2.0 nie wymaga już słów wyzwalających, a jakość wyników jest porównywalna z wersją 1.0 używającą słów wyzwalających. Słowo wyzwalające 'leogirl' w 1.0 było silnie powiązane z Azjatami Wschodnimi. Po rezygnacji ze słów wyzwalających, chociaż słowa jak '1girl' nadal mogą generować portrety osób azjatyckich, jeśli nie wskazano rasy, teraz można określić rasę przez słowa kluczowe takie jak narodowość, kolor skóry itd. Przykłady efektów wyzwalania dla słów takich jak 'Chinese', 'Russian', 'Iranian', 'Jamaican', 'Kenyan', 'ciemnoskóra', 'jasnoskóra' są podane poniżej.

   

   Można także uzyskać różne style postaci, wpisując w prompt imiona osób z różnych krajów i płci, takich jak Han Meimei (Chiny), Sophie Martin (Francja), Priya Patel (Indie), Fatima Al-Hassan (Arabia), Wanjiru Mwangi (Kenia). Podane powyżej prompty to tylko przykłady, jest wiele dostępnych promptów i sposobów zabawy, zachęcam do eksploracji i dzielenia się nimi.

   

2. HelloWorld 2.0 zbalansowało jakość i kolor, oferując więcej stylów. Wersja 1.0 używana z 'leogirl' prawdopodobnie generowała silną teksturę filmową. HelloWorld 2.0 nie jest już powiązana z teksturą filmu i może być dostosowana przy pomocy promptów dotyczących jakości. Przetestowane i działające dobrze prompty to:

   high-end fashion photoshoot, product introduction photo, popular Korean makeup, aegyo sal, Sharp High-Quality Photo, studio light, medium format photo, Mamiya photography, analog film, Medium Portrait with Soft Light, real-life image, refined editorial photograph, raw photo, real photo, Scanned Photo, film still

   Efekty kolorystyczne tych promptów znajdują się poniżej:

   

3. Zestaw treningowy HelloWorld 2.0 znacząco zwiększył udział zdjęć całopostaciowych, aby poprawić efekty SDXL przy generowaniu pełnoplastikowych i dalekich portretów. Choć jest lepiej niż w wersji 1.0, wciąż mocno zalecane jest używanie 'adetailer' podczas generowania zdjęć całopostaciowych. Dla użytkowników z wystarczającą pamięcią wideo (24 GB) zalecane jest 1,5-krotne naprawianie wysokiej rozdzielczości obrazu, co znacznie poprawia detale twarzy.

📖2023.8.29 Wprowadzenie modelu bazowego "HelloWorld" SDXL

Specjalne przypomnienie: Podczas używania modelu HelloWorld 1.0, pamiętaj o dodaniu słowa wyzwalającego "leogirl".

Od SD1.5 bazowego modelu "MoonFilm" model "HelloWorld" to zupełnie nowa seria realistycznych modeli bazowych SDXL. Aby umożliwić więcej użytkownikom odkrycia HelloWorld, zachowałem oryginalny link do modelu Moonfilm. Może być postrzegany jako duchowa kontynuacja Moonfilm na nowej platformie SDXL, ale HelloWorld dąży do więcej niż tylko realizmu i jakości filmowej w portretach. Dzięki znacznie większej ilości informacji i zdolności rozumienia tekstu SDXL w porównaniu do SD1.5, HelloWorld to model bazowy, który dąży do realistycznego przedstawiania wszystkiego, a innymi słowy, mam nadzieję stopniowo budować wirtualny świat fotografii przy wykorzystaniu HelloWorld.

Realistyczny model bazowy SD1.5 osiągnął już dojrzały etap i mało prawdopodobne jest dalsze znaczące poprawienie wydajności. Chyba że pojawi się przełomowa technologia na platformie SD1.5, seria Moonfilm & MoonMix praktycznie przestanie się aktualizować. Skupię swoją energię na rozwoju dużego modelu HelloWorld SDXL. Wersja 1.0 jest już do pobrania, a wersja 2.0 jest pilnie rozwijana i spodziewana na początku września.

Jako nowy model SDXL, HelloWorld różni się od tradycyjnych modeli SD1.5 trzema cechami:

1. W przeciwieństwie do bazowych modeli SD1.5, które zwykle nie zawierają słów wyzwalających, pamiętaj o użyciu słowa wyzwalającego "leogirl" podczas korzystania z HelloWorld 1.0. Zapewnia to stabilniejsze wyzwalanie efektu zestawu treningowego w modelu SDXL.

2. Model HelloWorld obsługuje bezpośrednie wyjście w rozdzielczości 1024*1024 pikseli, eliminując potrzebę skalowania wysokiej rozdzielczości. Jakość bezpośrednio wygenerowanego portretu zbliżenia nie ustępuje wersji SD1.5, ale przy bezpośrednim generowaniu portretów dalekich nadal występują niedoskonałości. Dlatego sugerowane jest użycie wtyczki ADetailer, która skutecznie koryguje problemy z twarzami w dalekich ujęciach.

3. SDXL umożliwia teraz łatwiejsze generowanie za pomocą prostszych poleceń w języku naturalnym. Zachęcam do wypróbowania większej liczby naturalnych promptów, które przynoszą lepsze efekty przy generowaniu realistycznych zdjęć AI.

Po wielu testach, zalecane ustawienia parametrów rysowania to:

• Kroki ≥ 25

• Sampler: DPM++ 2M Karras

• Skala CFG: 10

• Rozmiar ≥ 1024x1024

• ADetailer: włączony

Serdecznie zapraszam do testowania HelloWorld i dzielenia się swoimi uwagami. Wasze opinie są bardzo ważne dla dalszego ulepszania modelu!

Oświadczenie o prawach autorskich:

Seria modeli HelloWorld (dalej „Model”) została stworzona przeze mnie (dalej „Właściciel”) przy wsparciu platformy LiblibAI. Republika Modelu na platformach innych niż LiblibAI i Civitai bez zgody Właściciela jest niedozwolona.

Właściciel pozwala na używanie obrazów wygenerowanych przez Model do niekomercyjnych celów edukacyjnych lub informacyjnych bezpłatnie pod warunkiem, że:

- Użytkownicy przestrzegają obowiązujących praw i nie naruszają praw Modelu ani osób trzecich.

- Atrybucja obrazów musi jasno wskazywać "stworzono przez bazowy model HelloWorld LEOSAM".

W przypadku jakiejkolwiek komercyjnej eksploatacji wymagana jest wcześniejsza umowa licencyjna z Właścicielem. W sprawach licencji komercyjnych i personalizacji modeli proszę o kontakt za pomocą danych kontaktowych dostępnych na stronie głównej Właściciela.

Rozwój i bezpłatna dystrybucja modelu SDXL to duże przedsięwzięcia. Właściciel zobowiązuje się do dalszych bezpłatnych aktualizacji modelu HelloWorld dla indywidualnych entuzjastów jako wyraz wdzięczności za wkład społeczności open source. Współpraca komercyjna jest kluczowa dla rozwoju i dopracowania Modelu. Właściciel dziękuje wszystkim użytkownikom za zrozumienie i wsparcie.

Niezautoryzowane użycie może naruszać obowiązujące prawo i pociągać konsekwencje prawne. Właściciel zastrzega sobie wyłączne prawo do interpretacji niniejszego oświadczenia, które podlega obowiązującym przepisom prawa.