Szkolenie tego modelu i generowane obrazy służą wyłącznie celom edukacyjnym.

Nic nie zrobiłem, jestem tylko porterem.

Ten model bardziej przypomina pakiet postaci, a jego skutkiem ubocznym jest styl, który wnosi.

Szkolenie trwało ponad 30 godzin powtarzanych prób, podczas których prawie się poddałem, ale ostatecznie udało mi się osiągnąć bardziej zbalansowany efekt. Co najważniejsze, moja hipoteza szkoleniowa została zweryfikowana. W przyszłości mogę zorganizować te doświadczenia w artykule.

Mimo to wciąż występują problemy z jakością rąk.

Słowo wyzwalające: vanillastyle

Przykładowe prompty można znaleźć na obrazach powyżej.

Prompt poprzedniej wersji modelu również głównie działał.

Moje prompty są zasadniczo komponowane w kolejności [cechy postaci] + [styl] + [wyraz] + [ubranie] + [kamera i akcja] + [tło], które można usuwać lub modyfikować według potrzeby.

Jeśli obraz jest szczególnie rozmyty, rozważ dodanie „thumbnail” do promptu negatywnego i zwiększenie jego wagi, aż obraz stanie się wyraźny.

Dodanie '3d' do promptu negatywnego może przynieść lepszy rezultat, podczas gdy tagi takie jak 'realistic', 'realism' mogą wzmocnić cechy postaci.

Zalecana waga: 1.0~0.6, dostosuj według potrzeb, aż wygląd postaci spełni wymagania.

Zalecana wartość upscale to około 1.2~2.0, siła denoisingu to 0.2

Zbiór danych skupiał się głównie na pracach George'a Kamitani.

20240907v0.2

W tej wersji oznaczyłem więcej obrazów, a z pozostałych usunąłem tagi, pozostawiając tylko słowa wyzwalające, by zapobiec konfliktom z dokładnie oznaczonymi. (Ta metoda może być błędna.)

Podczas treningu było wiele przypadków, gdy obrazy w zbiorze danych nie były dokładnie reprezentowane przez prompt. Próbowałem zmieniać różne tagi i trenować ponownie, otrzymując ten sam rezultat. Powtarzalność tych obrazów w zbiorze jest też niska, brak im ciągłości.

W końcu przeczytałem artykuł, który mówił o zwiększeniu liczby powtórzeń treningu dla określonych postaci, by zapobiec niedostatecznemu nauczeniu się ich przez model.

Dlatego umieściłem wszystkie obrazy występujące pojedynczo w podfolderze, ustawiłem powtórzenia treningu na 2 i pozostawiłem obrazy, które były już dobrze nauczone, bez zmian.

Jednakże, ponieważ jest całkiem sporo problemów z jakością tych nierozciągłych obrazów i na razie ich nie naprawiłem, zwiększenie powtórzeń treningu miało pewien wpływ na ogólny styl.

Aby ulepszyć następną wersję, najważniejsze jest podniesienie jakości zbioru danych oraz dobre wykorzystanie technik opisywania, dodając ten sam tag do tych nieco gorszej jakości obrazów, a następnie umieszczając je wszystkie w promptach negatywnych podczas uruchamiania modelu.

20240715v0.1

Ten model można uważać tylko za v0.1, nie jest zbyt łatwy w normalnym użyciu, i uważam, że najlepiej jest dokładniej oznaczyć więcej obrazów w zbiorze dla lepszych rezultatów. W przyszłości mogę powoli ukończyć szkolenie tego modelu.

Wydajność tej wersji nie jest najlepsza, generowane obrazy mogą często być chaotyczne.

Zebrałem ponad 100 obrazów jako zbiór danych, ale liczba jest nadal zbyt duża do ręcznego oznaczania. Początkowo użyłem wd1.4 do oznaczenia wszystkich obrazów, ale jakość oznaczeń nie była dobra, (może mój sposób użytkowania nie był wystarczająco poprawny, zapraszam do sugestii).

Chcąc szybko zobaczyć wyniki, w tym zbiorze oznaczyłem ręcznie tylko obrazy spełniające moje osobiste preferencje, więc efekt działania modelu będzie lepszy dla tych obrazów.