LEOSAMs HelloWorld XL - HelloWorld XL 60

🖥️Zapraszam do wypróbowania open-source GPT4V-Image-Captioner, opracowanego przeze mnie i mojego przyjaciela. Oferuje instalację jednym kliknięciem i jest zintegrowany z wieloma funkcjami, w tym wstępną kompresją obrazu, tagowaniem obrazów i statystykami tagów. Niedawno uruchomiliśmy również wersję wtyczki webui tego narzędzia, zapraszamy wszystkich do korzystania!

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

📖Aktualizacja HelloWorld 7.0 - 13 czerwca 2024

Jednozdaniowe podsumowanie aktualizacji: 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 pozy i optymalizacji modelu clip, dokładność modelu w kończynach i dłoniach została poprawiona w porównaniu z poprzednimi wersjami. Zalecane negatywne słowa do promptu to: "bad hand, bad anatomy, worst quality, ai generated images, low quality, average quality".

2. Wyodrębniono dostrojone LoRA z oficjalnego modelu SPO i włączono je do HelloWorld 7.0. SPO to dalsza poprawa metody DPO. Model bazowy SPO zapewnia lepszą wydajność niż model bazowy DPO XL i oryginalny model bazowy SDXL. LoRA SPO wzmacnia detale obrazów, kontrast i upiększa obrazy. Podziękowania dla zespołu technicznego stojącego za SPO.

3. Kontynuowano rozszerzanie zakresu koncepcji zbioru treningowego, ale zoptymalizowano i uproszczono zestaw (duży zestaw treningowy jest zbyt kosztowny, a wynajem H800 jest obecnie trudny, nie stać mnie na lokalny czas treningu). Obecnie zestaw treningowy liczy 20 821 obrazów. Rozkład rozdzielczości zestawu treningowego jest następujący, zaleca się używanie kilku rozdzielczości o większej liczbie obrazów do generowania:

   (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. Użyto GPT4O do ponownego oznaczenia wszystkich zbiorów danych. Tym razem zastosowano metodykę etykietowania strukturalnego, z konkretną strukturą: "jednozdaniowy opis podsumowujący + wiele tagów elementów obrazu + inspirowane przez XXX + opis słów jakości estetycznej", gdzie słowa jakości estetycznej są podzielone na pięć poziomów: worst quality, low quality, average quality, best quality i masterpiece. Typowy przykład etykiety 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 "High-Frequency Tagging Word List" i "High-Frequency Art Style List" zawarta w sekcji Inspired by XXX dla wersji HelloWorld 7.0 będzie udostępniona jedynie użytkownikom komercyjnym. Partnerzy, którzy zakupili licencje na model HelloWorld XL, proszeni są o kontakt w razie braków, aby otrzymać dostęp za darmo.

Gracze mogą odwołać się do Listy 250 najczęściej używanych tagów HelloWorld 6.0. Dodatkowo, udostępniłem ponad 150 wysokiej jakości przykładowych obrazów HelloWorld 7.0 w galerii, które mogą służyć jako odniesienie do generacji przez wszystkich. Tworzenie modeli nie jest łatwe, dziękuję graczom za zrozumienie i wyrozumiałość!

📖Aktualizacja HelloWorld 6.0 - 20 kwietnia 2024

LEOSAM HelloWorld 6.0 Top 250 najczęściej używanych słów tagujących

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 bazujące na wersji 5.0. Według moich testów, efekt realizmu nie różni się znacznie od wersji 5.0. Główną zaletą wersji 6.0 jest szersze pokrycie koncepcji w zbiorze treningowym. Według opinii ulepszono różne tematy, w tym surrealizm, boudoir, zdjęcia grupowe, maski, origami, renderingi 3D, samochody, smoki i fotografię ciążową. Kilka przykładów w ilustracjach.

• HelloWorld 6.0 celowo zawiera drobne obrazy niskiej jakości, aby zwiększyć reakcję modelu na negatywne prompt’y. Zalecane negatywne słowa to: "low quality, jpeg artifacts, blurry, poorly drawn, ugly, worst quality".

• Główny zestaw treningowy HelloWorld 6.0 używa tagowania GPT4v. Dla obrazów, których GPT4v nie może otagować, używany jest cogVQA prowadzony przez blip2-opt-6.7b. Styl językowy tych multimodalnych modeli różni się znacząco od tradycyjnego tagera WD1.4. Aby ułatwić dokładniejsze uruchamianie różnych koncepcji w zestawie treningowym, zebrałem 250 najczęściej używanych tagów z HelloWorld 6.0. Możesz je obejrzeć w tym dokumencie.

Na koniec, mimo zbliżającej się premiery SD3, nadal będę aktualizować do HelloWorld XL 7.0, mając nadzieję na większe ulepszenia w wersji 7.0!