LEOSAMs HelloWorld XL - HelloWorld XL 70

🖥️Zapraszamy do wypróbowania otwartoźródłowego GPT4V-Image-Captioner, stworzonego przeze mnie i mojego przyjaciela. Oferuje instalację jednym kliknięciem i jest wyposażony w wiele funkcji, w tym wstępną kompresję obrazów, tagowanie obrazów i statystyki tagów. Niedawno udostępniliśmy również wersję wtyczki webui tego narzędzia, zapraszamy wszystkich do korzystania!

🌍欢迎加入QQ群"兔狲·AIGC梦工北厂"，群号 ：780132897 ；"兔狲·AIGC梦工南厂"，群号 ：835297318（入群答案：兔狲）。Telegram群聊“兔狲的SDXL百老汇”，链接：https://t.me/+KkflmfLTAdwzMzI1

📖Aktualizacja HelloWorld 7.0 - 13 czerwca 2024

Podsumowanie aktualizacji w jednym zdaniu: HelloWorld 7.0 to wersja zoptymalizowana iteracyjnie, z najlepszą wydajnością sylwetki w całej serii oraz dodatkowo rozszerzonym zakresem konceptów i bogactwem szczegółów.

Szczegóły aktualizacji:

1. Dzięki dodaniu negatywnych obrazów szkoleniowych, wzmocnieniu treningu pozy oraz optymalizacji modelu clip, poprawiono dokładność kończyn i rąk modelu w porównaniu do poprzednich wersji. Zalecane negatywne słowa prompt to: "zła ręka, zła anatomia, najgorsza jakość, obrazy generowane przez AI, niska jakość, przeciętna jakość".

2. Wyodrębniono dostrojone LoRA z oficjalnego modelu SPO i włączono je do HelloWorld 7.0. SPO to dalsze ulepszenie metody DPO. Bazowy model SPO jest używany dla lepszej wydajności niż baza DPO XL oraz oryginalny bazowy model SDXL. LoRA SPO może wzmacniać szczegóły obrazu i kontrast oraz upiększać obrazy. Podziękowania dla zespołu technicznego stojącego za SPO.

3. Kontynuowano rozszerzanie zakresu konceptów zbioru treningowego, ale zoptymalizowano i uproszczono zbiór (duże zbiory treningowe są zbyt drogie, a wynajem H800 ostatnio trudny, brak możliwości lokalnego treningu). Obecna łączna ilość obrazów w zbiorze to 20 821. Rozkład rozdzielczości zbioru treningowego jest następujący, zaleca się używanie kilku rozdzielczości z większą ilością obrazów do generowania:

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

4. Użyto GPT4O do ponownego etykietowania wszystkich zbiorów danych. Tym razem zastosowano ustrukturyzowaną metodę etykietowania, z konkretną strukturą: "jednozdaniowy opis podsumowujący + wielokrotne tagi elementów obrazu + inspirowane przez XXX + słowa opisujące estetykę jakości", gdzie słowa opisujące estetykę dzielą się na pięć poziomów: najgorsza jakość, niska jakość, przeciętna jakość, najlepsza jakość i arcydzieło. Typowy przykład etykiety to:

   konceptualna sztuka ukazująca ludzką rękę owiniętą czerwonymi i beżowymi wstążkami, na jednolitym, jasnym tle, styl realistyczny, minimalistyczna paleta kolorów, gładkie tekstury, wydłużona i surrealistyczna estetyka, inspirowane surrealistycznymi dziełami Salvadora Dalí, arcydzieło

„Lista słów tagujących o wysokiej częstotliwości” oraz „Lista stylów artystycznych o wysokiej częstotliwości” użyte w „inspirowane przez XXX” dla wersji HelloWorld 7.0 będą udostępniane wyłącznie użytkownikom posiadającym licencję komercyjną. Partnerzy, którzy w przeszłości zakupili licencję na modele z serii Helloworld XL, proszeni są o kontakt w celu bezpłatnego otrzymania tych zasobów, jeśli nie zostały one przekazane.

Gracze mogą odwołać się do Listy najwyżej występujących słów tagujących HelloWorld 6.0. Ponadto udostępniłem w galerii ponad 150 wysokiej jakości przykładowych obrazów HelloWorld 7.0, które mogą być używane jako odniesienie do własnych kreacji. Tworzenie modeli nie jest łatwe, dziękuję graczom za wyrozumiałość i cierpliwość!

📖Aktualizacja HelloWorld 6.0 - 20 kwietnia 2024

Lista 250 najczęściej używanych słów tagujących HelloWorld 6.0

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

• HelloWorld 6.0 to iteracyjne ulepszenie oparte na wersji 5.0. Na podstawie moich testów efekt realizmu nie różni się znacząco od wersji 5.0. Główną zaletą wersji 6.0 jest szersze pokrycie pojęć w zbiorze treningowym. Według opinii użytkowników, udoskonalono różne tematy, w tym surrealizm, sypialniane zdjęcia, zdjęcia grupowe, maski, origami, rendering 3D, samochody, smoki oraz fotografię ciążową. Niektóre przykłady przedstawiono na ilustracjach.

• W HelloWorld 6.0 celowo zawarto niskiej jakości obrazy w treningu, by wzmocnić reakcję modelu na negatywne prompt. Zaleca się stosowanie następujących słów w negatywnych promptach: "niska jakość, artefakty JPEG, rozmyte, źle narysowane, brzydkie, najgorsza jakość".

• Główna część zbioru treningowego HelloWorld 6.0 została oznaczona przez GPT4v. Dla obrazów, których GPT4v nie potrafił oznaczyć, użyto tagowania przez cogVQA prowadzone przez blip2-opt-6.7b. Styl językowy etykietowania tych multimodalnych modeli różni się znacząco od tradycyjnego taggera WD1.4. Aby umożliwić dokładniejsze aktywowanie różnych pojęć w zbiorze treningowym, sporządziłem listę 250 najczęściej występujących słów tagujących dla zestawu HelloWorld 6.0. Listę tych słów można zobaczyć w tym dokumencie.

Na koniec, mimo że SD3 jest wkrótce do wydania, nadal będę aktualizować HelloWorld XL do wersji 7.0, mając nadzieję na dalsze ulepszenia w tej wersji!

📖2024.2.22 Prezentacja „HW5.0_Euler_a_Lightning”

Model ten to przyspieszona wersja bazowego modelu HelloWorld SDXL, wykorzystująca technologie SDXL-Lightning. Wyposażony w sampler Euler a oraz parametr CFG 1, jest w stanie generować obrazy w 6-8 krokach, co jest trzykrotnie szybsze niż oryginalna wersja SDXL. Co więcej, w porównaniu wypada lepiej niż wersje LCM lub Turbo jeśli chodzi o jakość obrazów.

Zalecane parametry do generowania obrazów tym modelem to:

Sampler: Euler a (Ważne! Model jest specjalnie dostosowany do Euler a, inne samplery mogą nie dawać tak dobrych efektów)

Skala CFG: 1

Liczba kroków: 8 (akceptowalne 6–8 kroków)

Algorytm hi-res: ESRGAN 4x / 8x_NMKD-Faces_160000_G

Czynnik powiększenia hi-res: 1.5x

Liczba kroków hi-res: 8

Siła odszumiania hi-res: 0.3

📖2024.2.11 Prezentacja „HelloWorld 5.0 GPT4V”

HelloWorld 5.0 to najbardziej istotna aktualizacja w historii serii HelloWorld, oznaczona tagowaniem GPT-4v i znacznie dopracowana w obszarach takich jak science fiction, zwierzęta, architektura i ilustracje.

Testy porównawcze wykazały poprawki w tej wersji obejmujące:

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

2. Bardzo rozbudowany zbiór zdjęć filmowych. Podczas gdy faktura filmu była słaba od wersji 2.0 do 4.0, wielu fanów tęskniło za stylem leogirl z wersji 1.0. Dlatego ta aktualizacja wzmocniła fakturę filmu, nie tracąc innych walorów fotograficznych. Fakturę filmu można wywołać frazami takimi jak tekstura ziarna filmu i estetyka fotografii analogowej;

3. Zwiększoną ekspresję w tematach jak science fiction, thriller i zwierzęta, z mechami i innymi tematami bardziej stylizowanymi. Zwierzęta takie jak lampart śnieżny, panda czerwona, panda wielka, tygrys, kot pallasa oraz koty i psy domowe wyglądają bardziej realistycznie;

4. Dzięki tagowaniu GPT, zgodność prompt i dokładność koncepcji zostały dodatkowo ulepszone.

Niestety, wady tej wersji obejmują:

1. Jako że to poważne dopracowanie, może nieznacznie wzrosnąć liczba błędów w kończynach, co jest normalne przy wychodzeniu poza strefę komfortu i wchodzeniu w nowe obszary optymalizacji. Poprzednie wersje przeszły szerokie testy kończyn dla poprawy, zaś nowa wersja miała ograniczony czas na takie ulepszenia. Niemniej jednak dokładność kończyn w tej wersji jest przynajmniej wyższa niż w wersji 1.0, a ja będę kontynuować prace nad poprawkami w następnych aktualizacjach.

2. Ze względu na wzmocnienie faktury filmu, mimo że tagowanie GPT jest jak najbardziej dokładne, w obrazach może pojawić się nieunikniony domyślny ciepły ton. Można jednak użyć promptów takich jak światło studyjne lub ostry fokus, aby uzyskać obrazy wysokiej rozdzielczości o jakości studyjnej, a przy odpowiednim użyciu promptów, output może mieć lepsze odcienie skóry i atrakcyjność wizualną niż w poprzednich wersjach.

3. W tej wersji znajduje się więcej pełnoplastrowych postaci, aby wzmocnić efekt całej sylwetki, więc model może produkować szersze sceny niż wcześniej, jeśli nie zostanie określona konkretna kompozycja postaci. Obecnie detale twarzy w ujęciach całopostaciowych w rozdzielczości 1024 mogą być mniej ostre niż w ujęciach półpostaci lub zbliżeń. Można to poprawić za pomocą adetailera oraz 1.5x hi-res z naprawą na intensywności 0.3 lub użyć promptów określających kompozycję, by unikać generowania pełnoplastrowych obrazów.

4. Ponieważ dodano niewielką liczbę wysokiej jakości zbiorów ilustracji, istnieje szansa, że prompt związane z animowanymi stylami wygenerują obraz animowany. Jeśli to stanowi problem, proszę odpowiednio dostosować prompt.

To główne aktualizacje tej wersji. Trening bazowego modelu SDXL jest trudny, a gdy zbiór szkoleniowy zbliża się do dziesięciu tysięcy obrazów, koszt tagowania i treningu każdego modelu przekracza 300 USD. Zachęcam wszystkich do korzystania z modelu i doceniam wszelkie opinie! Jeśli model spełnia Twoje oczekiwania, będę niezmiernie wdzięczny za rozpropagowanie informacji o nim.

📖2024.1.31 Prezentacja „HelloWorld 4.0”

HelloWorld 4.0 to postępowa wersja przejściowa z tagowania blip+clip na tagowanie GPT4V. Początkowo trenowałem model wyłącznie z tagowaniem GPT4V, a następnie połączyłem go z dużą częścią wersji HelloWorld 3.2 oraz 0,05 udziałem Juggernaut XL (do regulacji odcienia skóry). Nowa wersja wykazała poprawę zgodności prompt i pokrycia konceptów w porównaniu do wersji 3.2.

Nowy zbiór treningowy tagowania GPT4V wzrósł dwukrotnie z 4000 obrazów serii helloworld3 do 8000 obrazów, obejmując nie tylko portrety, ale także zwierzęta, architekturę, przyrodę, jedzenie, ilustracje i inne. Wersja czysta GPT4V napotkała problem przeuczenia, co wstępnie przypisuje się podwojeniu liczby obrazów treningowych. Jednym z następnych kroków optymalizacji iteracyjnej jest znalezienie sposobu, aby zawrzeć jak najwięcej konceptów innych niż portrety, przy jednoczesnym zapewnieniu wystarczającego treningu portretów. W tym etapie zastosowano fuzję nowej i starej wersji dla fine-tuningu, aby zapewnić płynne przejście, dlatego poszerzony zakres konceptów i zalety tagowania GPT4V nie są obecnie bardzo zauważalne. Te zalety będą coraz bardziej widoczne w kolejnych generacjach 5 i 6 modelu.

📖2024.1.5 Prezentacja „HelloWorld 3.2”

Wersja 3.2 to iteracja zoptymalizowana technologią DPO, w porównaniu do wersji 3.0 zawiera ulepszenia w odcieniu skóry i dokładności kończyn, ale poprawki nie są duże. Dlatego wersja ta została oznaczona jako 3.2, a nie 4.0.

📖2023.12.15 Prezentacja „HelloWorld 3.0”

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

2. Zintegrowano autorski LoCon poprawiający jakość (stworzony za pomocą technologii slider), poprawiający teksturę obrazów i łagodzący problemy z zniekształceniami palców i kończyn.

📖2023.11.17 Prezentacja „HelloWorld 2.0”

Dziękuję wszystkim za cierpliwość. Po pokonaniu różnych trudności wersja HelloWorld 2.0 jest gotowa do zaprezentowania w satysfakcjonującym stanie. Główne różnice między HelloWorld 2.0 a 1.0 są następujące:

1. HelloWorld 2.0 nie wymaga już słów trigger, a wyniki są porównywalne jakościowo do wersji 1.0 z działającymi słowami trigger. Słowo trigger „leogirl” w 1.0 miało silne powiązanie z Azjatkami. Po rezygnacji ze słów trigger, podczas gdy frazy takie jak „1girl” nadal mogą generować portrety Azjatek, gdy rasa nie jest określona, teraz można określić rasę używając słów kluczowych, takich jak narodowość, kolor skóry itp. Przykładowe efekty wywołane przez słowa „Chińska”, „Rosyjska”, „Irańska”, „Jamajska”, „Keniańska”, „ciemnoskóra”, „blada” itd. wymieniono poniżej.

   

   Możesz także uzyskać różne style postaci, wpisując imiona osób z różnych krajów i płci w prompt, np. Han Meimei (Chiny), Sophie Martin (Francja), Priya Patel (Indie), Fatima Al-Hassan (Arabia), Wanjiru Mwangi (Kenia). Powyższe prompt to tylko przykłady, dostępnych jest wiele sposobów i opcji, zapraszam do własnych eksploracji i dzielenia się nimi.

   

2. HelloWorld 2.0 zrównoważył jakość/kolor i oferuje więcej opcji stylów. Wersja 1.0 używana ze słowem „leogirl” dawała obrazy z silną fakturą filmu. HelloWorld 2.0 nie jest już związany z fakturą filmu i można go dostosować za pomocą prompt związanych z jakością. Niektóre sprawdzone prompty to:

   sesja zdjęciowa wysokiej klasy, zdjęcie produktu, popularny koreański makijaż, aegyo sal, ostra wysokiej jakości fotografia, światło studyjne, fotografia średnioformatowa, fotografia Mamiya, film analogowy, portret średniej wielkości z miękkim światłem, obraz rzeczywisty, wyrafinowane zdjęcie edytorskie, zdjęcie surowe, zdjęcie rzeczywiste, zeskanowane zdjęcie, klatka filmu

   Efekty kolorystyczne tych promptów są następujące:

   

3. Zbiór treningowy HelloWorld 2.0 znacznie zwiększył udział zdjęć całej sylwetki, aby poprawić efekty SDXL w generowaniu portretów całej sylwetki i w oddaleniu. Mimo poprawy względem wersji 1.0, nadal zdecydowanie zaleca się użycie „adetailer” podczas generowania zdjęć całopostaciowych. Użytkownikom posiadającym wystarczającą pamięć VRAM (24 GB) zaleca się zastosowanie 1.5x wysokorozdzielczego naprawiania obrazów, co znacząco poprawia detale twarzy.

📖2023.8.29 Prezentacja bazowego modelu „HelloWorld” SDXL

Specjalne przypomnienie: Podczas korzystania z modelu HelloWorld 1.0 proszę pamiętać o dodaniu słowa trigger „leogirl”.

W przeciwieństwie do bazowego modelu SD1.5 „MoonFilm”, „HelloWorld” to zupełnie nowa seria realistycznych bazowych modeli SDXL. Aby więcej użytkowników mogło odkryć HelloWorld, zachowałem link do oryginalnego modelu Moonfilm. Można go uznać za duchowego kontynuatora Moonfilm na nowej platformie SDXL, jednak HelloWorld celuje w więcej niż tylko realizm i filmowy wygląd portretów. Dzięki znacznie większej ilości informacji i zdolnościom rozumienia tekstów modelu SDXL w porównaniu do SD1.5, HelloWorld to bazowy model dążący do realistycznego odwzorowania wszystkiego, innymi słowy, chcę stopniowo budować wirtualny świat fotografii za pomocą HelloWorld.

Realistyczny bazowy model SD1.5 rozwinął się do dość dojrzałego etapu i nie jest spodziewana znaczna poprawa wydajności. Bez przełomowej technologii dla platformy SD1.5 seria Moonfilm & MoonMix zasadniczo przestanie być aktualizowana. Zamierzam skoncentrować główne siły na rozwoju dużego modelu HelloWorld SDXL. Wersja 1.0 jest już dostępna do pobrania, a wersja 2.0 jest pilnie rozwijana i spodziewana na początku września.

Jako zupełnie nowy model SDXL, HelloWorld różni się od tradycyjnych modeli SD1.5 na trzy sposoby:

1. W przeciwieństwie do bazowych modeli SD1.5, które zazwyczaj nie wymagają słów trigger, proszę pamiętać o użyciu słowa trigger „leogirl” podczas korzystania z HelloWorld 1.0. Gwarantuje to bardziej stabilne wywoływanie efektu zbioru treningowego modelu SDXL.

2. Model HelloWorld umożliwia bezpośrednią produkcję obrazów w rozdzielczości 1024*1024 pikseli, eliminując potrzebę powiększenia hi-res. Jakość bliskich portretów jest na poziomie wersji SD1.5, ale obrazy portretów w oddaleniu mają nadal pewne wady. Dlatego zaleca się użycie wtyczki ADetailer, która skutecznie koryguje problemy z oddalonymi twarzami.

3. SDXL teraz pozwala łatwiej generować obrazy używając proste naturalne polecenia językowe. Zalecam eksperymentowanie z naturalnymi promptami, które dadzą lepsze wyniki generowania realistycznych zdjęć AI.

Po wielu testach sugerowane ustawienia parametrów do rysowania to:

• Kroki ≥ 25

• Sampler: DPM++ 2M Karras

• Skala CFG: 10

• Rozmiar ≥ 1024x1024

• ADetailer: włączony

Zapraszam wszystkich do wypróbowania HelloWorld i przekazywania opinii. Wasze cenne uwagi są bardzo ważne dla dalszego rozwoju modelu!

Oświadczenie o prawach autorskich:

Seria modeli HelloWorld (dalej "Model") została stworzona przeze mnie (dalej „Właściciel”) przy pomocy platformy LiblibAI. Republikaowanie Modelu na platformach innych niż LiblibAI i Civitai jest nieautoryzowane przez Właściciela.

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

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

- Na obrazach musi być wyraźnie podane źródło: "stworzono za pomocą bazowego modelu HelloWorld LEOSAM".

Do wszelkich form komercyjnego wykorzystania wymagana jest wcześniejsza umowa licencyjna z Właścicielem. W sprawach licencji komercyjnych i personalizacji modelu proszę kontaktować się z Właścicielem za pośrednictwem danych kontaktowych dostępnych na stronie głównej Właściciela.

Rozwój i bezpłatne udostępnianie modelu SDXL to znaczące przedsięwzięcie. Właściciel zobowiązuje się do regularnych bezpłatnych aktualizacji modelu HelloWorld dla indywidualnych entuzjastów jako wyraz wdzięczności za wkład społeczności w rozwój open-source. Współpraca komercyjna jest ważna dla postępu i doskonalenia Modelu. Właściciel docenia każdego użytkownika za zrozumienie i wsparcie.

Niezautoryzowane użycie może naruszać obowiązujące prawo i pociągać za sobą konsekwencje prawne. Właściciel zachowuje wyłączne prawo do interpretacji tego oświadczenia, które podlega obowiązującym przepisom prawnym.