Sdart Someone

🚀 SDArt : Someone

SDArt : Someone 是一个与 Stable Diffusion discord 上的 “每周图片” 竞赛相关的模型。它基于竞赛提交作品创建，让大家在活动结束后仍能继续感受主题魅力，还能在他人创作中看到自己设计的影子。

🚀 快速开始

这个模型的使用方法和其他 Stable Diffusion 模型一样。你可以参考 Stable Diffusion 获取更多信息。还能将模型导出到 ONNX、MPS 和/或 FLAX/JAX。

基础用法

from diffusers import StableDiffusionPipeline
import torch

model_id = "Guizmus/SDArt_someone"
pipe = StableDiffusionPipeline.from_pretrained(model_id, torch_dtype=torch.float16)
pipe = pipe.to("cuda")

prompt = "SDArt pte"
image = pipe(prompt).images[0]

image.save("./SDArt.png")

✨ 主要特性

• 主题故事性强：围绕 “Someone” 构建了一个富有情感和想象力的故事，能激发创作者通过艺术表达相关感受。
• 基于竞赛作品：利用 “每周图片” 竞赛的提交作品创建模型，融合了众多创作者的设计。
• 多格式支持：可像其他 Stable Diffusion 模型一样使用，还支持导出到多种格式。

📦 安装指南

暂未提及具体安装步骤，可参考 Stable Diffusion 通用安装方法。

📚 详细文档

主题介绍

在你的 “某处” 无尽地漫步，你开始注意到各种图案和形状。一切都是崭新的，但在你心中却如此合理。你抬头望向天空，它不再空白。你无意识地伸手去触摸天空中的形状，感觉轻如羽毛。

“为什么只有我？” 你不禁脱口而出。

“只有你？” 一个声音反问你。

你曾经构建的 “某处” 在你周围开始融化，被一片无尽的绚丽花海所取代。你远远地看着两个孩子在花瓣中自由奔跑，无忧无虑地欢快笑着。你看着一只流浪猫在树下安静地睡觉。你看着周围变得温柔、怀旧、美丽。

突然，你的手被轻轻拉了一下。你转过身，看到了 “某人”。他们光彩照人。

“你做到了！” “某人” 兴奋地说。“我太高兴了。”

“做到了……到了哪里？” 我惊讶地问道，无法看清眼前的身影。

“某人” 冲过来拥抱我。

“家。”

我搂住 “某人” 的背，再次抬头望向天空。

是啊，这个形状……它是太阳，对吧？这种温暖——这种感觉。

它就是太阳。

旅行者，你的旅程已到达终点……

• “某人” 是那个在你感到被抛弃、不知所措和迷失时向你伸出援手的人。“某人” 把你从 “某事” 和 “某处” 中拉出来。“某人” 带你回到现实。
• 你的内心会如何描绘你的 “某人”，如何通过你的艺术表达他们所唤起的情感？
• 向我们展示是谁把你带入 “当下”，用他们的存在赋予你目标，让你找到 “一切”。

本周的示例照片是由 @andrekerygma 和我用心制作的！我们希望它们能点燃这场终章的一些温暖！

Fruit 给你的结束语：独自踏上旅程很难。有时我们甚至觉得身边没有人。尽管这些 “每周图片” 竞赛作品经过抽象处理，以吸引不同背景和故事的人——但你们都敞开心扉，分享了自己的一部分。了解这些故事很重要，这样我们才能迎接自己的 “某人”，甚至成为自己的 “某人”。只要天空中有太阳，我们就永远不会真正孤单。也许现在它看起来还不像太阳。但总有一天会的。让我们都继续尽力而为。谢谢大家！玩得开心！

模型描述

这是一个与 Stable Diffusion discord 上的 “每周图片” 竞赛相关的模型。

我试图从所有参赛作品中创建一个模型，让人们在活动结束后仍能继续享受这个主题，并在他人的创作中看到自己设计的一些影子。标记保持为 “SDArt”，我将学习率设置得较低，这样它就不会只是复制作品。

总数据集由 42 张图片组成。它在 Stable diffusion 1.5 上进行训练。我使用 EveryDream 进行训练，每张图片总共重复训练 100 次。图片使用标记 “SDArt” 和我选择的一个任意标记进行标记。下面提供了数据集，以及用户名及其对应的标记列表。

推荐的采样方法是 k_Euler_a 或 DPM++ 2M Karras，步数为 20，CFG 为 7.5。

训练标记

下载链接

• SafeTensors
• CKPT
• Dataset
• Old version

🔧 技术细节

• 数据集：总数据集由 42 张图片组成。
• 训练基础：在 Stable diffusion 1.5 上进行训练。
• 训练工具：使用 EveryDream 进行训练。
• 训练次数：每张图片总共重复训练 100 次。
• 标记方式：图片使用标记 “SDArt” 和一个任意标记进行标记。
• 推荐采样：推荐的采样方法是 k_Euler_a 或 DPM++ 2M Karras，步数为 20，CFG 为 7.5。

📄 许可证

本项目采用 creativeml-openrail-m 许可证。