GPT
הוספת כלי
C

Counterfeit-V2.0

קוד פתוח

gsdfcreativeml-openrail-m2023-01-13

  • diffusers
  • stable-diffusion
  • stable-diffusion-diffusers
  • text-to-image
  • endpoints_compatible

המודל הזה מיועד למי שצריך תמונות אנימה מלוטשות בלי לאמן מודל מאפס. הוא משלב כמה טכניקות אימון כדי להוציא איורים יפניים מדויקים ישר מהקופסה.

  • 23.1 GBמשקל הקבצים
  • 699הורדות בחודש
  • 464לייקים

מה זה

מדובר במודל Stable Diffusion שעבר כוונון ייעודי לסגנון אנימה. היוצר שילב כאן כמה שיטות יחד: אימון DreamBooth, מיזוג משקולות של בלוקים שונים, ומיזוג מודולי LoRA. המטרה של הערבוב הזה היא לתפוס את הקווים החדים, הצביעה הבוהקת והאסתטיקה הטיפוסית של איור יפני, בלי לאבד את היכולת להבין סצנות מורכבות.

בניגוד למודלים כלליים שמנסים לצייר גם תמונות ריאליסטיות וגם איורים, כאן הכל מכוון לסגנון אחד. התוצאה מייצרת דמויות אנימה עם פרטים עשירים בבגדים, בשיער וברקעים, אבל היא מחייבת עבודה עם הנחיות מאוד ספציפיות כדי לקבל את האיכות המרבית.

מתאים ל

  • איור דמויות אנימה

    המודל מפיק דמויות אנימה מפורטות עם בגדים מורכבים וסגנון ויזואלי יפני אותנטי.

  • קונספט ארט לסצנות אנימציה

    שילוב הטכניקות מאפשר לייצר רקעים מעניינים כמו נופים עירוניים, כיתות או חדרים עמוסים.

  • יצירת חומרי ויז'ואל למשחקים

    מתאים להפקת תמונות דו ממדיות לפרויקטים ומשחקים עצמאיים בסגנון יפני.

איפה זה נופל

הבעיה המרכזית היא התלות המוחלטת בהנחיות שליליות ארוכות וקבועות. בדוגמאות מופיעה רשימה קבועה של חולשות שהמודל נופל בהן: אנטומיה מעוותת, גפיים לא מדויקות, אצבעות עודפות או חסרות, וקומפוזיציה שבורה. אם לא תדביקו את הבלוק השלילי המדויק, הדמויות ייצאו פגומות.

בנוסף, הוא לא נועד לשום סגנון אחר. ניסיון לייצר איתו תמונות ריאליסטיות או סגנונות מערביים לא ייתן תוצאות סבירות.

אותה משפחה

Counterfeit יצא ב־3 גרסאות שיש להן עמוד כאן. אלה האחרות, לפי כמה מורידים אותן.

Counterfeit-V2.59,310 Counterfeit-V3.00

שאלות
נפוצות

האם המודל דורש כרטיס מסך חזק במיוחד?

הוא מתבסס על סטייבל דיפיוז'ן רגיל ורץ במקור על רזולוציות נמוכות של סביב 640 על 384, כך שכרטיס מסך מודרני ממוצע יספיק ליצירה הראשונית. עם זאת, השלב של הגדלת התמונה והקובצי ענק במאגר דורשים זיכרון גרפי סביר ונפח אחסון גדול.

למה התמונות שיוצאות לי נראות מטושטשות או עם אנטומיה שבורה?

המודל מכויל לעבוד רק עם הנחיה שלילית אגרסיבית שמסננת איברים מעוותים ואיכות ירודה. אם לא תגדירו Clip skip ברמה 2 והגדלה של Latent, התוצאה תיראה רחוקה מאוד מהדוגמאות שפורסמו.

איך מריצים

המודל נשען על ספריית diffusers, כך שאפשר לטעון אותו בקלות בסביבת פייתון מקומית או בממשקים גרפיים כמו של סטייבל דיפיוז'ן. הדף כולל 28 קבצים במשקל כולל של 23.1 גיגה בייט, כך שצריך לוודא שיש לכם מספיק מקום פנוי בכונן לפני שמורידים את כל המאגר.

כדי להוציא ממנו תוצאות טובות, היוצר ממליץ על הגדרות מדויקות: רזולוציית בסיס נמוכה יחסית כמו 640 על 384 או 576 על 448, 20 צעדים עם הדוגם DPM++ SDE Karras, ערך CFG של 8, ושימוש ב־Clip skip ברמה 2. כדי לקבל תמונה חדה באמת צריך להפעיל הרחבה מסוג Latent עם Denoising של 0.6.

from diffusers import DiffusionPipeline

pipe = DiffusionPipeline.from_pretrained("gsdf/Counterfeit-V2.0")
img = pipe("a photo").images[0]

הקבצים

28 קבצים במאגר, 23.1 GB סך הכול. הקישורים מובילים ישירות ל־Hugging Face.

הרישיון

הרישיון הוא creativeml-openrail-m. הוא מתיר שימוש מסחרי, אבל כולל הגבלות שימוש שאוסרות ניצול לרעה, פגיעה באנשים, או יצירת תוכן מזיק ובלתי חוקי. אם אתם משלבים אותו במוצר, אתם חייבים לצרף את תנאי הרישיון ולהחיל את אותן הגבלות שימוש על משתמשי הקצה שלכם.

  • שימוש מסחרי
  • שינוי הקוד
  • מגבלות שימוש ברישיון

הרישיון המלא בעמוד המודל ↗