Deep Negative V1x - V1 75T
Palavras-chave e Tags Relacionadas
Imagens em destaque
Prompts Recomendados
masterpiece,PureErosFace_V1,best quality,[highly detailed face:0.1],1girl,a full body portrait of a 21 years old beautiful gorgeous cute busty Korean kpop girl,pink eyes,(jieunc_kor:0.8),long hair,slender body,black hair,detailed face,(grapefruit),perfect anatomy,(temple in background),contrapposto,sitting,Cannon EOS 5D MARK III,kimono,50mm Sigma f/1.4 ZEISS lens,medium breasts,F1.4,light smile,1/800s,arms behind back,ISO 100,photorealistic,trending on instagram
Prompts Negativos Recomendados
disgusting,worst quality,low quality,logo,text,watermark,username
NG_DeepNegative_V1_75T,(worst quality,worst quality,low quality:1.4),low quality,logo,text,monochrome,nipples,nude
Parâmetros Recomendados
samplers
steps
cfg
resolution
Dicas
Use o embedding com prompts negativos como (pior qualidade, baixa qualidade, logo, texto, marca d'água, nome de usuário).
Para modelos treinados com mais de 75 tokens, considere usar versões com menos tokens para evitar erros.
Destaques da Versão
coloque nos prompts negativos
Patrocinadores do Criador
Se você usar SDXL, recomendamos este 👉 DeepNegative para versão SDXL
Este embedding vai te mostrar o que é REALMENTE NOJENTO🤢🤮
Então, por favor, coloque-o no prompt negativo😜
⚠Este modelo não foi treinado para SDXL e pode gerar resultados indesejados se usado no SDXL.
Se você usar SDXL, recomendamos este 👇
outro deep-negative:
versão pony: https://civitai.com/models/831971
versão SDXL: https://civitai.com/models/407448
PRINCIPAIS PERGUNTAS E RESPOSTAS
como usar o modelo TI?
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Textual-Inversion
o que é prompt negativo?
https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Negative-prompt
[Lembrete Especial] Se sua interface web reportar os seguintes erros:
- CUDA: CUDA error: device-side assert triggered
- Assertion -sizes[i] <= index && index < sizes[i] && "index out of bounds" failed
- Objeto XXX não tem atributo 'text_cond'
Por favor, tente usar uma versão de modelo diferente de 75T.
> A razão é que muitos scripts não tratam corretamente palavras de prompt negativo muito longas (maiores que 75 tokens), então escolher uma versão com menos tokens pode melhorar essa situação.
[Atualização:230120] O que ele faz?
Este embedding aprende quais composições e padrões de cores são nojentos, incluindo anatomia humana incorreta, esquemas de cores ofensivos, estruturas espaciais invertidas e mais. Colocá-lo no negativo ajuda muito a evitar essas coisas.
-
O que é 2T 4T 16T 32T?
Número de vetores por token
[Atualização:230120] O que é 64T 75T?
64T: Treinado por mais de 30.000 passos em datasets mistos.
75T: tamanho máximo do embedding, treinado por 10.000 passos em um dataset especial (gerado por muitos modelos sd diferentes e processamento reverso especial)
Qual escolher?
75T: O embedding mais “fácil de usar”, treinado a partir de um dataset preciso criado de forma especial com quase nenhum efeito colateral. Contém informações suficientes para cobrir vários cenários de uso. Mas para alguns "modelos bem treinados" pode ter efeito difícil
e a mudança pode ser sutil e não drástica o suficiente.
64T: Funciona para todos os modelos, mas tem efeito colateral. Portanto, algum ajuste é necessário para encontrar o melhor peso. recomendado: [( NG_DeepNegative_V1_64T :0.9) :0.1]
32T: Útil, mas muito mais
16T: Reduz a chance de desenhar anatomia ruim, mas pode desenhar rostos feios. Adequado para elevar o nível de arquitetura.
4T: Reduz a chance de desenhar anatomia ruim, mas tem pouco efeito sobre luz e sombra
2T: “fácil de usar” como o 75T, mas com efeito menor
Sugestão
Como este embedding aprende a criar conceitos nojentos, ele não melhora a qualidade da imagem com precisão, então o melhor é usá-lo com prompts negativos como (pior qualidade, baixa qualidade, logo, texto, marca d'água, nome de usuário).
Claro, também é totalmente aceitável usá-lo com outros embeddings negativos similares.
Mais exemplos e testes
desenho de construção: https://imgur.com/5aX9yrP
correção de mão: https://imgur.com/rDlsrgS
retrato (com PureErosFace): https://imgur.com/1Lqq595 https://imgur.com/V5kXBXz
correção do corpo por fusão:
Como funciona?
Eu tentei fazer o SD aprender o que é realmente nojento com o algoritmo deepdream, o dataset é imagenet-mini (1000 imagens escolhidas aleatoriamente do dataset novamente)
deepdream é REAALLLLLLLLLLLLLLLLLLMENTE nojento 🤮 e o processo de treinamento deste modelo realmente me fez sentir desconforto físico 😂
Backup
Detalhes do Modelo
Tipo de modelo
Modelo base
Versão do modelo
Hash do modelo
Palavras treinadas
Criador
Discussão
Por favor, faça log in para deixar um comentário.