Intro. 简介：

A style LoCon 訓練於 從 Civitai 網站收集的「最多收藏」與「最多反應」pony主題模型圖片。

這是一個從 Civitai 上點贊最多和收藏最多的pony系模型圖片 訓練而成的 畫風 LoCon。

此 lora 不用意模擬任何特定畫師的風格或繪畫技巧。它 可能 在某種程度上反映 社區審美 與 圖片的視覺吸引力。不同提示詞下風格會有細微變化。

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映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 之前的版本無特定觸發詞，請使用各版本模型自帶的品質提示詞。

V3 及之後版本訓練了以下提示詞：

V2以前的版本沒有特定觸發詞。請使用對應模型自帶的品質提示詞。

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。我刪除了一些品質較低的舊圖片。

目前數據集圖片總數超過3,000張，在6個數據版本中手動增強/修正超過20個概念。

模型的排名也有所提升。

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:

模型表現未達預期，但我認為訓練數據集中的圖片沒問題。計劃手動調整標籤觀察效果變化。

2025/1/3 更新：

手動更新了部分標籤，但似乎與明暗及色彩無關，暫且推測可能與噪點偏移有關。

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2,154張圖片，其中約1,000張 Pony 圖片為主要訓練目標。

儘管 V-pred 模型能使用基於 Eps-pred 模型訓練的 LoRA，輸出品質會顯著下降。此版本將分別在兩種模型上進行訓練。

NoobAI近期版本出現較明顯的偽影，但 Danbooru 上的“jpeg artifact”標籤效果不佳。因而特選約30張典型且肉眼可見的圖片作負面範例。

發現現象：Pony v6 與 NoobAI 在生成有側髮的髮型時，傾向於在髮根處產生三角形翹起。Danbooru 中此翹起有時被標為“hair intakes”或“curtained hair”，但 Pony 為每位角色添加了此結構。此為 Pony訓練髮型不符合設計的重要原因，NoobAI 亦有類似問題。推測此特徵在 Danbooru 以外數據集廣泛存在但標註不足。

對數據集圖片篩選後約三分之二有正確標註。目前在提示詞中加入“hair intakes”或能在一定程度上緩解此問題，但尚未找到徹底解決方案。

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，傾向於在髮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主題模型強烈生成耳環、耳洞及其他耳部飾品傾向，有時破壞角色耳部結構。整理相關標籤，裁剪並手動修改數據集中部分結構錯誤輕微的圖片，刪除了較難修正的圖片。

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，包括正反兩種標籤範例。

其中774張圖片為目標風格。

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:

數據集擴展至374張圖片。使用模型自帶的品質及美學提示詞控管生成質量。

訓練數據集擴展到了374張。嘗試使用模型自帶的品質提示詞來穩定生成質量。

v1:

訓練224張 Civitai 圖片，393張正則化圖片。

基於 Animagine v3.1 和 Pony v6 兩版本訓練。

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:

稍有欠擬合但仍可用。我發現 Animagine v3.1自帶的品質及美學標籤（best quality, masterpiece, very aesthetic 等）會影響該 checkpoint 生成的風格，下一版本將修復此問題。

有些欠擬合但目前有效。我發現 Animagine v3.1 自帶的品質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品質詞。下一版會修復。