Urangdiffusion 2.0

🚀 UrangDiffusion 2.0

UrangDiffusion 2.0（oo - raw - ng Diffusion）与 v1.4 相比，带来了全新的训练方法。该模型提供了更高的灵活性，并引入了一些更新的数据集。

🚀 快速开始

标准提示准则

此模型是基于 Animagine XL 3.1 进行微调的。不过，数据集的标注有一些小变化，因此使用了不同的默认提示：

默认提示：

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

注意：由于报告称质量标签 masterpiece 经常会导致不必要的副作用，因此已将其替换为 best quality。测试还证明，该标签会导致一些生成结果的解剖结构出现问题。

默认负向提示：

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],

默认配置： 默认配置为 Euler a，步数约为 25 - 30，CFG 为 5 - 7，ENSD 设置为 31337。最佳参数约为 28 步 和 CFG 7。

✨ 主要特性

• 全新训练方法：与 v1.4 相比，带来了全新的训练方法，提供更高灵活性。
• 更新数据集：引入了一些更新的数据集。

📦 安装指南

文档未提供安装步骤，故跳过此章节。

💻 使用示例

文档未提供代码示例，故跳过此章节。

📚 详细文档

训练配置

• 微调基础：基于 Animagine XL 3.1 进行微调。

预训练：

• 数据集大小：44,393 张图像
• GPU：1xA100
• 优化器：AdaFactor
• Unet 学习率：3.75e - 6
• 文本编码器学习率：1.875e - 6
• 批次大小：16
• 梯度累积：3
• 热身步数：100 步
• 最小 SNR Gamma：5
• 轮数：10
• 随机裁剪：是
• 损失函数：Huber
• Huber 调度：SNR
• Huber C：0.1

微调：

• 数据集大小：3,140 张图像
• GPU：1xA100
• 优化器：AdaFactor
• Unet 学习率：3e - 6
• 文本编码器学习率：-（文本编码器训练设置为 False）
• 批次大小：16
• 梯度累积：3
• 热身步数：5%
• 最小 SNR Gamma：5
• 轮数：10（使用第 9 轮）
• 噪声偏移：0.0357
• 随机裁剪：是
• 损失函数：Huber
• Huber 调度：SNR
• Huber C：0.1

新增/更新的系列和角色

系列

1. 崩坏：星穹铁道
2. 鸣潮
3. 摇曳庄的幽奈小姐

崩坏：星穹铁道角色

1. 萤火虫
2. 阿喀琉斯
3. 斯帕克
4. 罗宾
5. 砂金
6. 黑天鹅
7. 飞霄
8. 云璃
9. 灵莎
10. 三月七（巡猎）
11. 玉
12. 姣囚
13. 加拉格尔
14. 拉帕
15. 米莎

Hololive 主播

1. Hololive 印尼分部
2. 拉奥拉·潘特拉
3. 伊丽莎白·罗斯·血焰
4. 吉吉·穆林
5. 塞西莉亚·伊默格林

原神角色

1. 阿蕾奇诺
2. 克洛琳德
3. 千代
4. 穆阿拉尼
5. 闲云
6. 西格温妮
7. 基尼奇
8. 希洛嫩
9. 艾米莉
10. 游戏
11. 卡奇娜
12. 塞托斯

其他

1. 风景
2. 用于修复解剖结构问题的几个概念

特别感谢

• CagliostroLab：赞助了模型的微调，允许借用该组织的 RunPod 账户。
• CagliostroLab 的同事们：提供了见解和反馈。
• Nur Hikari 和 Vanilla Latte：进行质量控制。
• Linaqruf：在 AI 生成图像方面是导师和榜样，也是标签排序的幕后功臣。

📄 许可证

UrangDiffusion 2.0 遵循 公平人工智能公共许可证 1.0 - SD。