BracingEvoMixオープンソーステキストから画像生成モデル - リスクを低減し、アジア人の顔が多様で超リアル

ホーム

Bracingevomix

sazyou-roukakuによって開発

BracingEvoMixはOpenBraβとOpenBraに基づくテキストから画像への生成モデルシリーズで、高リスクモデルの混入確率を低減することに焦点を当て、アジア人顔の多様性と写真のリアリティに優れた性能を発揮します。

画像生成日本語オープンソースライセンス:Openrail #アジア人顔生成 #高リアリティ画像 #自然言語応答最適化

ダウンロード数 2,487

リリース時間 : 5/31/2023

モデル概要

このシリーズのモデルは、高品質のアジア人顔生成能力を提供すると同時に、写真レベルのリアリティを維持し、さまざまな画像生成シーンに適しています。

モデル特徴

アジア人顔の多様性

豊富で多様なアジア人顔を生成でき、非常に高いリアリティを持ちます。

低リスクモデルの混入

基礎モデルを厳格に選別することで、高リスクモデルの混入確率を大幅に低減します。

写真レベルのリアリティ

生成される画像は非常に高いリアリティを持ち、写真の品質に近いです。

自然言語プロンプトへの応答

自然言語のプロンプトに対して良好な応答能力を持っています。

モデル能力

テキストから画像への生成

アジア人顔生成

高リアリティ画像生成

自然言語プロンプトの理解

使用事例

クリエイティブデザイン

キャラクターデザイン

多様なアジアスタイルのキャラクター形象を生成します。

異なる年齢、表情、スタイルのアジア人顔を生成できます。

ビジネスアプリケーション

広告画像生成

アジア市場向けにリアリティのある広告画像を生成します。

アジアの美意識に合った商品展示画像を生成できます。

🚀 BracingEvoMix

このモデルは、OpenBraβやOpenBraをベースにマージしたテキスト・イメージ変換モデルです。極東アジア系の顔が出やすく、商用利用などのビジネスシーンでも安心して使える低リスクモデルです。

🚀 クイックスタート

このモデルを使用するには、まず必要な依存関係をインストールしてください。その後、モデルをダウンロードし、適切な設定で実行します。以下に推奨設定を示します。

✨ 主な機能

自然言語プロンプトに強い：自然言語的な文章プロンプトに対して高い反応を示します。
アジア顔の多様性：アジア顔の出力に高い多様性を持ち、リアリティも高いです。
低リスク：従来のマージモデルと比べて、リスクモデルの混入確率が低いです。

📦 インストール

このモデルは、Hugging FaceやCivitaiなどのプラットフォームからダウンロードできます。ダウンロード後、適切な環境で実行するために必要な依存関係をインストールしてください。

💻 使用例

基本的な使用法

# ここに基本的な使用例のコードを記載する予定ですが、元のREADMEにコード例がないため省略します。

高度な使用法

# ここに高度な使用例のコードを記載する予定ですが、元のREADMEにコード例がないため省略します。

📚 ドキュメント

ライセンス

このモデルは『CreativeML Open RAIL - M』でライセンスされています。ライセンスの詳細は[こちら](https://huggingface.co/sazyou - roukaku/BracingEvoMix/blob/main/license_v1.txt)を参照してください。追加著作者として佐城郎画の名前が追加されています（6/10 Twitterネーム変更に伴い、表記変更。ライセンス内はsazyou_roukakuの為変更なし）。

本モデルを使用しての生成物に関しては、ライセンスの使用制限Aの事例を除き、当方は一切関与致しません。犯罪目的利用や医療用画像など特定専門的な用途での利用は使用制限Aで禁止されています。必ず確認しご利用ください。また当方は一切責任を持ちません。免責されていることをご了承の上、ご使用ください。

マージ利用モデル一覧

[BracingEvoMix_v2]

OpenBra
- ©BanKai @PleaseBanKai
dreamshaper_6BakedVae
- (https://civitai.com/models/4384) ©Lykon
epicrealism_newEra
epicrealism_pureEvolutionV5
- (https://civitai.com/models/25694) ©epinikion
diamondCoalMix_diamondCoalv2
- (https://civitai.com/models/41415) ©EnthusiastAI
sxd_v10
- (https://civitai.com/models/1169) ©izuek
Evt_V4_e04_ema
- (https://huggingface.co/haor/Evt_V4 - preview) ©haor
bp_mk5
- (https://huggingface.co/Crosstyan/BPModel) ©Crosstyan

[BracingEvoMix_v1]

OpenBraβ
OpenBra
- ©BanKai @PleaseBanKai
dreamshaper_5Bakedvae
dreamshaper_6BakedVae
- (https://civitai.com/models/4384) ©Lykon
epicrealism_newAge
epicrealism_newEra
- (https://civitai.com/models/25694) ©epinikion
diamondCoalMix_diamondCoalv2
- (https://civitai.com/models/41415) ©EnthusiastAI
sxd_v10
- (https://civitai.com/models/1169) ©izuek
Evt_V4_e04_ema
- (https://huggingface.co/haor/Evt_V4 - preview) ©haor

[BracingEvoMix_Another]

OpenBra
- ©BanKai @PleaseBanKai
dreamshaper_6BakedVae
- (https://civitai.com/models/4384) ©Lykon
epicrealism_newEra
- (https://civitai.com/models/25694) ©epinikion
sxd_v10
- (https://civitai.com/models/1169) ©izuek
Evt_V4_e04_ema
- (https://huggingface.co/haor/Evt_V4 - preview) ©haor

[BracingEvoMix_Fast]

OpenBra
- ©BanKai @PleaseBanKai
dreamshaper_6BakedVae
- (https://civitai.com/models/4384) ©Lykon
epicrealism_newEra
- (https://civitai.com/models/25694) ©epinikion
Evt_V4_e04_ema
- (https://huggingface.co/haor/Evt_V4 - preview) ©haor
bp_mk5
- (https://huggingface.co/Crosstyan/BPModel) ©Crosstyan

推奨設定

CLIP設定/clip skip:2
badhand系のnegativeTIを入れた場合と入れない場合の差は感覚的に大差ありません。このモデルはEasyNegativeもしくはBadBras推奨です。EasyNegative v2 は人体構造破綻率が上記と比べて高いので非推奨。
自然言語的な文章プロンプトにかなり強いですが、シチュエーション以外の詳しい顔造形などは、好みに合わせてワードプロンプトで指定するのが私のスタイルです。ワードだけ構成でも問題があるわけではないので使いやすいスタイルで使ってください。
クオリティプロンプトは、high qualityなどは有効性を感じていません。masterpieceは顔造形が変化する感覚ありますが、クオリティアップとしては微妙です。ただhigh resolutionは背景や質感に効果あります。high res、Hiresなど色々ありますが、一番high resolutionを信頼しています。
また1girlなどのWD式プロンプトではなく、girl、womanやyoung woman等の自然言語での使用も検討ください。CGFスケールを少し下げ、5程度にすることで、全体的なコントラストを弱めることも技法として有用です。
肌の色が濃く感じる場合は(fair skin:1.2)を入れると白くなります。上記と併せてご利用ください

ネガティブプロンプトベース

EasyNegative,(worst quality:2),(low quality:1.4),(undressing:1.5), (disheveled clothes:1.4),(manicure:1.2),(nipple:1.2),(long neck:2),

FAQ

Q1:BracingEvoMixとは何か

A1:従来のマージモデルはNAIleakモデルの混入やDreamlikeLicenseの混入の恐れがあり、本格的なビジネス利用において判断に困るような場面が見受けられました。今回のBracingEvoMixは、BRAの学習開発者であるBanKai氏と直接話し合い、有志の寄付の結果生まれたOpenBraβ・OpenBraをベースにマージしたモデルです。他も全て学習モデルとなっており、マージモデルでの組み合わせよりリスクモデルの混入確率をグンと減らしています。

極東アジア系の顔が出るマージモデルの中では一番低リスクモデルだと考えられます。しかし学習モデルと名乗っていても、その中身に関して詳細を知ることはできないのでリスクゼロではありません。コサイン一致率などを元に選定も行っておりますが、混入がないとは言い切れない点はご承知おきください。

Q2:完全な混入していないモデルは無理なのか

A2:追加学習のみだと、データの偏りが生まれ、背景などを含めてどうしても能力にムラが出ます。個人レベルで完全な学習モデルを生み出すのは不可能に近い為、マージで対応する必要があります。しかしこれらの学習モデルの中身に関しては専門家でもないので、解析できません。

なお差分抽出にて、特定モデルのデータと一致するデータを除去することは可能ですが、その差を取ることそのものが、派生モデルとしての条件を満たす可能性があります。またNAIleakモデル本体をDLしなければならず、そこも含めて困難と言えます。

Q3:各学習モデル選定基準について

A3:

①sxd_v10：これはNSFWモデルです。NSFWモデルを入れると脱衣をしやすくなるなど問題がある反面、OpenBraの弱点の一つである下半身の学習度合がやや低い点の補強と様々なポーズ学習データ補強に用いています。なお割合を増やし過ぎると露出がしやすくなる為、最低限の量をマージしています。sxdは比較的初期モデルながら、学習量も多めで、制限もない為、選択しています。
②dreamshaper_5Bakedvae/dreamshaper_6BakedVae：dreamshaperは商用画像生成サービスでも利用されている有名な学習モデルです。学習モデルとして追加学習量も多くデータの多様性も高い為、多様性補強用に採用しています。
③epicrealism_newAge/epicrealism_newEra：現行の学習モデルで最強のスペックを誇ると思われます。背景補強と能力の高さから採用しています。
④diamondcoalmix_diamondcoalv2：極東アジア人顔の系統データを持つ学習モデル。作者がLORA作成を多く行っており、またコサイン値からも問題ないと判断し、極東アジアデータ補強で採用。
⑤Evt_V4_e04_ema：ACertaintyというNAIleakデータを含まないと公言しているイラスト学習モデルでトレーニングを行い生み出されたモデル。イラストモデルをマージすることで、人種・年齢関係なく、顔データに影響を与えられるため、肖像権侵害率を下げる意味合いと日本人好みの顔立ちにする為に採用しています。
⑥bp_mk5：ACertaintyベースの学習モデル。BracingEvoMix_Fastはリバランスの為に用いています。

Q4:無印の指のクオリティがchilled_remix等と比べて低い

A4:使用モデルが一定の基準をクリアした学習モデルに限定されているため、データの安定性が最新モデルと比べて低いです。それでも初期モデルよりはまだシャープな指として出力され、3月中頃のモデルと比較して、平均的な出力だと感じています。申し訳ございませんが、controlnetでの制御などもご検討ください。

6/14 追記:AnotherやFastはこの指の精度改善を行い、6月時点の最新フォトモデルの平均並みの出力だと考えています。

Q5:今回の制限に問題や矛盾はないのか

A5: diamondCoalMix_diamondCoalv2 、 dreamshaper_5Bakedvae 、 dreamshaper_6BakedVae は OK:Have different permissions when sharing mergesとなっており解除可能。他は制限なしの為、今回全て制限なしとし公開しております。

なおマージ利用モデル側にLicense変更・制限変更等が生じた際も、5/31時点のLicenseや制限を前提として公開している為、creativeml - openrail - mに準じます。こちらはMergeModel_LicenseSS_v1に該当モデルのSSを保管しております。

なおマージ利用モデル側に重大な問題が発生した場合は、モデルの公開停止を行い、利用停止を呼びかける可能性はありますが、当方側を理由とした追加制限を設けることは致しません。

モデル評価

BracingEvoMix_v2

評価項目	点数
自然言語プロンプト反応(SD1.5)	90点
アジア顔出力の多様性	95点
フォトリアリティ	95点
非現実的美形度	40点
彩度・明度安定性	65点
手指の描画精度(最新上位モデルを90点とした場合)	80点
複雑ポーズ安定性	75点
乳部の意図せぬ露出制御性	60点
感情表現のプロンプト反応	70点
表現可能年齢幅	85点

基礎モデル『BracingEvoMix_v1』の正当後継版。彩度や明度のムラが改善され、指精度も上昇しています。また背景強化、横長解像度への強化が入っています。出力ムラは減ったので汎用性は高くなったと思います。

BracingEvoMix_v1

評価項目	点数
自然言語プロンプト反応(SD1.5)	90点
アジア顔出力の多様性	95点
フォトリアリティ	95点
非現実的美形度	40点
彩度・明度安定性	40点
手指の描画精度(最新上位モデルを90点とした場合)	70点
複雑ポーズ安定性	60点
乳部の意図せぬ露出制御性	50点
感情表現のプロンプト反応	80点
表現可能年齢幅	85点

基礎モデル。OpenBra由来のアジア顔を表現でき、リアリティも非常に高い反面、彩度や明度にムラがある。感情表現にも強いので制御できれば表現幅は広い一方、弱点も多いじゃじゃ馬。素材となった各モデルの良さと悪さを両方併せ持つので使いこなせれば、強いという玄人向け。

BracingEvoMix_Another

評価項目	点数
自然言語プロンプト反応(SD1.5)	90点
アジア顔出力の多様性	80点
フォトリアリティ	90点
非現実的美形度	60点
彩度・明度安定性	75点
手指の描画精度(最新上位モデルを90点とした場合)	85点
複雑ポーズ安定性	60点
乳部の意図せぬ露出制御性	55点
感情表現のプロンプト反応	50点
表現可能年齢幅	60点

アナザーモデル。マージ手法を変更し、よりミキシングを深めることで彩度や明度の露骨な変化を安定化させた。結果的にBRA顔が薄れ、少し一般的なアジア顔系マージモデルの方向性によっている。指の安定性。特に爪や指先端の綺麗な表現はかなり最新モデル上位に比肩する。（グチャらない訳ではない）弱みが減った分、感情表現反応も弱まった部分がある。なおlarge breasts以上での一般的な服装だとポロリのしやすさはそう大差なし。

BracingEvoMix_Fast

評価項目	点数
自然言語プロンプト反応(SD1.5)	90点
アジア顔出力の多様性	80点
フォトリアリティ	80点
非現実的美形度	65点
彩度・明度安定性	75点
手指の描画精度(最新上位モデルを90点とした場合)	80点
複雑ポーズ安定性	60点
乳部の意図せぬ露出制御性	60点
感情表現のプロンプト反応	50点
表現可能年齢幅	60点