Intro. 简介：

一款基於從Civitai網站收集的pony系模型圖片，按“最多收藏”和“最多反應”挑選的style LoCon。

這是一個訓練自Civitai上点赞最多和收藏最多的pony系模型圖片的畫風LoCon。

此LoRA並不打算模擬任何特定畫師的風格或技術。它可能在一定程度上反映了社區審美和圖片的視覺吸引力。不同提示詞下畫風可能會有細微變化。

這個lora並不意於還原某個特定的畫師畫風或者繪畫技巧。它在某種程度上可能反應了社區審美和圖片的視覺吸引力。 不同的提示詞下可能會有微妙的畫風變化。

Usage 使用方法：

V2之前版本沒有特定觸發詞。請使用對應模型自帶的質量提示詞。

從V3及以後版本，訓練了以下標籤：

V2以前的版本沒有特定觸發詞。請使用對應模型自帶的質量提示詞。

對於v3及後續版本，訓練了以下標籤：

positive:

masterpiece, best quality, very aesthetic

negative:

worst quality, low quality, displeasing

你可以在此基礎上編輯提示詞。

Data Generation 數據版本：

v6:

新增超過500張圖片，其中部分選自Flux。我刪除了部分我認為質量較低的舊圖片。

數據集總圖片數現已超過3000張，6個版本中共手動增強/編輯了20多條概念。

模型的rank也有所提升。

新添加了500+張圖片其中有一部分選自flux生成的圖像。刪除了一部分我認為品質不佳的舊圖片。

現在總的圖片數超過了3000，6個版本的數據總共手動增強/修正了20多條概念。

增加了模型的rank。

v5.9:

模型效果未達預期，但我認為訓練數據集的圖片本身沒問題。計劃手動調整標籤，觀察結果變化。

模型效果不如預期，但是我覺得訓練集的圖片本身應該沒什麼問題。打算先手動修正tag看看效果。

2025/1/3更新：

手動更新了一部分標籤，但與明暗和彩色無直接關係。暫時猜測可能與noise offset有關。

手動更新了一部分標籤，但是它們和明暗色彩無甚干系。暫時猜測可能和noise offset有關。

v5:

數據集擴展至2154張圖，其中約1000張pony圖片作為主要訓練目標。

雖然V-pred模型也能使用基於Eps-pred模型訓練的LoRA，但輸出品質會大幅下降。此版本將分別於兩種不同模型上訓練。

NoobAI近期版本存在明顯伪影，Danbooru上的“jpeg artifact”標籤效果不佳。為此特別選取約30張典型且肉眼可見的圖片作為負面範例。

觀察到一現象：Pony v6和NoobAI在生成帶側發的髮型時，傾向於在發根處生成三角形翹起。在Danbooru中，該翹起有時被標為“hair intakes”或“curtained hair”，但Pony會將這結構套用於所有角色。這是Pony訓練角色時髮型不符預期的重要原因。NoobAI也有類似情況。推測該特徵在Danbooru之外的訓練集大量存在且未被正確標記。

對數據集圖片進行篩選，約2/3圖片標註正確。目前在prompt中添加“hair intakes”可能在一定程度上減輕該現象，但尚未找到根治方法。

數據集擴充到2154張圖。其中作為主要訓練目標的pony圖片約1000張。

雖然V-pred模型也能使用基於Eps-pred技術的模型訓練的lora，但是生成質量會大打折扣。這個版本將會分別在兩個不同類型的模型上訓練。

noobAI近期版本有比較明顯的偽影，但是danbooru上的“jpeg artifact”並沒有起作用。因此專門針對這個問題選擇了約30張較為典型的、肉眼可見的圖片作為負面案例。

觀察到一個現象：pony v6和noobAI在生成有側發的髮型時，傾向於在發根處生成一個三角形的翹起。在danbooru裡，這種翹起有時會被標註為“hair intakes”和“curtained hair”，但是pony會給每一個角色都套上這樣的結構。這也是pony訓練角色時，髮型訓練不像的一個重要原因。noob也觀察到了類似的現象，我的猜測是danbooru以外的某個訓練集大量存在這個特徵，但沒有對這個特徵進行正確標註。

對數據集裡的圖片進行了篩選，其中約2/3的圖片進行了正確的標註。現在，在prompt裡寫上“hair intakes”可能可以一定程度上減輕這個現象，但是我還沒有找到根治這個毛病的辦法。

v4:

部分優化數據集標籤。基於NoobAI Epsilon-pred v1訓練。

Pony系模型傾向生成耳環、耳釘等耳部飾品，有時會破壞人物耳部結構。我整理了相關標籤，裁剪並手動修改了部分結構輕微錯誤的圖片，刪除了部分難以修正的圖片。

對數據集的標註方式進行了部分優化。基於NoobAI Epsilon-pred v1訓練。

Pony系模型有很強烈的生成耳環、耳釘以其他類型的耳部飾品的傾向，有時還會破壞人物耳部的結構。對相關的標註進行了整理。剪裁、手工修改了數據集中一部分結構錯誤不嚴重的圖，剔除了一些太難修改的圖片。

v3:

數據集擴展至1429張圖片，包括正面和負面標籤的樣例。

其中774張是最受歡迎的風格。

基於Illustrious v0.1訓練。

數據集擴展到了1429張圖片，包括了正反兩種例子。

其中774張是訓練的目標風格。

基於Illustrious v0.1訓練。

v2:

數據集擴展到374張。使用模型自帶的質量和美學標籤來控制生成質量。

訓練數據集擴展到了374張。嘗試使用模型自帶的質量提示詞來穩定生成質量。

v1:

訓練了224張來自Civitai的圖片，393張作為正則化數據集。

基於Animagine v3.1和Pony v6訓練了兩個版本。

訓練了C站上224張圖片，393張正則數據集。

有Animagine v3.1和Pony v6兩個版本。

test ver.4:

有些欠擬合但仍有效。我發現Animagine v3.1的質量控制詞和美學提示詞（best quality, masterpiece, very aesthetic等）會改變此checkpoint生成的畫風。下一版本會修正這點。

有些欠擬合但是目前是有效的。我發現Animagine v3.1自帶的質量控制詞和美學提示詞會改變生成圖片的畫風，所以這個實驗版本需要不填寫質量詞。下一版會修復。