modelos/Deep Negative V1x - V1 75T

Deep Negative V1x - V1 75T

|
5/18/2025
|
1:27:38 PM
| Discussion

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

Euler a

steps

20 - 40

cfg

11

resolution

512x768

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:

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

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

https://huggingface.co/lenML/DeepNegative/tree/main

Anterior
EasyNegative - EasyNegative_pt
Próximo
BadDream UnrealisticDream Negative Embeddings - BadDream v10

Detalhes do Modelo

Tipo de modelo

TextualInversion

Modelo base

SD 1.5

Versão do modelo

V1 75T

Hash do modelo

54e7e4826d

Palavras treinadas

ng_deepnegative_v1_75t

Criador

Discussão

Por favor, faça log in para deixar um comentário.