Urangdiffusion 2.0

🚀 UrangDiffusion 2.0

UrangDiffusion 2.0（oo - raw - ng Diffusion）與 v1.4 相比，帶來了全新的訓練方法。該模型提供了更高的靈活性，並引入了一些更新的數據集。

🚀 快速開始

標準提示準則

此模型是基於 Animagine XL 3.1 進行微調的。不過，數據集的標註有一些小變化，因此使用了不同的默認提示：

默認提示：

1girl/1boy, character name, from what series, everything else in any order, best quality, amazing quality, very aesthetic.

注意：由於報告稱質量標籤 masterpiece 經常會導致不必要的副作用，因此已將其替換為 best quality。測試還證明，該標籤會導致一些生成結果的解剖結構出現問題。

默認負向提示：

lowres, (bad), text, error, fewer, extra, missing, worst quality, jpeg artifacts, low quality, watermark, unfinished, displeasing, oldest, early, chromatic aberration, signature, extra digits, artistic error, username, scan, [abstract],

默認配置： 默認配置為 Euler a，步數約為 25 - 30，CFG 為 5 - 7，ENSD 設置為 31337。最佳參數約為 28 步 和 CFG 7。

✨ 主要特性

• 全新訓練方法：與 v1.4 相比，帶來了全新的訓練方法，提供更高靈活性。
• 更新數據集：引入了一些更新的數據集。

📦 安裝指南

文檔未提供安裝步驟，故跳過此章節。

💻 使用示例

文檔未提供代碼示例，故跳過此章節。

📚 詳細文檔

訓練配置

• 微調基礎：基於 Animagine XL 3.1 進行微調。

預訓練：

• 數據集大小：44,393 張圖像
• GPU：1xA100
• 優化器：AdaFactor
• Unet 學習率：3.75e - 6
• 文本編碼器學習率：1.875e - 6
• 批次大小：16
• 梯度累積：3
• 熱身步數：100 步
• 最小 SNR Gamma：5
• 輪數：10
• 隨機裁剪：是
• 損失函數：Huber
• Huber 調度：SNR
• Huber C：0.1

微調：

• 數據集大小：3,140 張圖像
• GPU：1xA100
• 優化器：AdaFactor
• Unet 學習率：3e - 6
• 文本編碼器學習率：-（文本編碼器訓練設置為 False）
• 批次大小：16
• 梯度累積：3
• 熱身步數：5%
• 最小 SNR Gamma：5
• 輪數：10（使用第 9 輪）
• 噪聲偏移：0.0357
• 隨機裁剪：是
• 損失函數：Huber
• Huber 調度：SNR
• Huber C：0.1

新增/更新的系列和角色

系列

1. 崩壞：星穹鐵道
2. 鳴潮
3. 搖曳莊的幽奈小姐

崩壞：星穹鐵道角色

1. 螢火蟲
2. 阿喀琉斯
3. 斯帕克
4. 羅賓
5. 砂金
6. 黑天鵝
7. 飛霄
8. 雲璃
9. 靈莎
10. 三月七（巡獵）
11. 玉
12. 姣囚
13. 加拉格爾
14. 拉帕
15. 米莎

Hololive 主播

1. Hololive 印尼分部
2. 拉奧拉·潘特拉
3. 伊麗莎白·羅斯·血焰
4. 吉吉·穆林
5. 塞西莉亞·伊默格林

原神角色

1. 阿蕾奇諾
2. 克洛琳德
3. 千代
4. 穆阿拉尼
5. 閒雲
6. 西格溫妮
7. 基尼奇
8. 希洛嫩
9. 艾米莉
10. 遊戲
11. 卡奇娜
12. 塞託斯

其他

1. 風景
2. 用於修復解剖結構問題的幾個概念

特別感謝

• CagliostroLab：贊助了模型的微調，允許借用該組織的 RunPod 賬戶。
• CagliostroLab 的同事們：提供了見解和反饋。
• Nur Hikari 和 Vanilla Latte：進行質量控制。
• Linaqruf：在 AI 生成圖像方面是導師和榜樣，也是標籤排序的幕後功臣。

📄 許可證

UrangDiffusion 2.0 遵循 公平人工智能公共許可證 1.0 - SD。