图图的嗨丝(中网渔网袜) - V2.0

图图的嗨丝(中网渔网袜)

LORA
原创


更新

图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art
图图的嗨丝(中网渔网袜) by 天选打工人赵图图 on Tensor.Art

交流Q群:950351015,欢迎来玩,互通有无。

电报:https://t.me/+nbU3j7rLEYZkNzVl

之前做过渔网袜,但是一直都不是特别成功。

最近更新了制作方法,所以使用差异提取法3.0+实拍重新制作了一遍。

虽然其实还是不够满意,但是我觉得这已经是SD1.5能达到的最好效果了。

对于这个模型,权重一般0.6就能有比较好的效果了,不需要搞的太大。

为了方便使用,以后我制作的LORA触发词全部都是tutututu,四个tu。

对于这个LORA,为了确保高还原度,建议在提示词中写入:

tutututu, fishnet_pantyhose,

各种大模型都很友好,尤其擅长二次元。

使用方法:

1、确保你正确的使用LORA.

2、CLIP终止层数建议设置为2.

3、权重看需要,从0.4到0.9都可以,建议0.6开始。

4、触发词为:tutututu,fishnet_pantyhose,

5、负面不要加的太多,否则会对LORA的效果产生影响。

6、提示词引导系数(CFGScale)可以从7开始尝试。

如果您在使用中遇到问题,可以给我留言。

期待您的作品!

期待您的作品!

期待您的作品!

祝你玩的开心。

感谢您长期以来的信任和支持。

声明:

1、您应对使用此模型的任何创意作品承担全部责任。

2、您不能使用该模型故意制作或分享非法或有害的输出或内容,避免将此模型用于恶意、伤害、诽谤、诈骗或******用途。

3、如果将本模型用于商业用途,请通知我,谢谢。

常见问题:

1、什么是差异提取法?

顾名思义,简单来说就是将差异提取出来制作LORA。我们一般的LORA都是拿图直接训练,这样训练出的LORA不可避免的会受到底膜以及其他环境因素污染,所以在出图的时候会对画面产生预料之外的影响。而差异提取******作的LORA会将这些污染去除掉,这样制作出的LORA权重即使开的比较高对画面的污染也很小,模型质量会更好。差异提取******作起来更复杂,需要的步骤更多。

2、为什么要做这个LORA?

虽然类似的LORA有很多,但是我发现一方面这种LORA大多数不是很贴近现实,很多当下比较流行的服装并没有,而且不够写实。

另外就是质量方面残次不齐,很多LORA对人物本身以及画面的影响比较大,使用起来不够方便。所以打算做一系列的服装LORA。

3、为什么我出不了和你一样的照片?

每个人的电脑配置以及操作环境都不一样,使用的LORA以及插件版本、插件配置等也会有所区别,所以请不要追求一模一样的照片,创作您自己的完美作品吧!

4、如何取得联系?

如果有定制LORA的需求,或者有其他合作意向,可以直接在这里留言,或者联系Q331506796(注明来意)

5、你对差异提取法做了哪些优化?还是只是随便说说?

答:我对涉及代码进行了大量的优化。主要有:

1、自动化模型探索:自动从一组模型中生成多种融合模型,类似于参数调优或模型选择的自动化过程,但专注于模型融合。

2、基于欧氏距离的差异性分析:用于比较两个LoRA(Low-RankAdaptation)模型的权重差异。

在差异性分析中,欧氏距离用于量化两个模型权重之间的差异。具体来说:

权重表示:每个LoRA模型的权重可以看作是高维空间中的一个点。权重的每个元素对应空间中的一个维度。

计算差异:通过计算两个模型相应权重之间的欧氏距离,我们可以得到一个数值,表示这两个权重在高维空间中的相对位置差异。

解释差异:较大的欧氏距离意味着两个模型在该权重上的差异较大;较小的距离则意味着它们较为相似。

这种差异性分析用于指导模型融合的决策。例如,如果两个模型在某个权重上的差异很大,可能就需要特别处理这个权重,以确保融合后的模型能够有效地结合两个原始模型的特性。

这些优化完全是针对我自己的素材进行的,因为我的素材有一些特殊性,所以不是传统意义上的差异提取,要有一些取舍。

3、使用控制变量法对各个参数进行调整,以求获得最好的效果。比如分辨率尝试了512,768以及1024,最后发现768效果较好。

4、和C站其他所有同样的模型进行对比。

本模型已经对比过C站其他所有的相同类型作品,虽然还是不太满意,但从泛化、污染、还原度、出图效果等方面考虑,已经是同类模型中质量最好的。

版本详情

基础模型 1.5

项目权限

    使用权限

  • 在吐司在线使用

  • 在 吐司 作为在线训练的底模

  • 使用时无需注明出处

  • 用于模型融合

  • 分享融合模型时使用不同的许可

    商用许可

  • 生成的内容用于商业用途

  • 作为生成服务来商用

  • 转售模型或出售融合模型

相关帖子