写整句比堆一串 tag 管用,Filigree-Anima 这点特别明显

Filigree-Anima 用之前有个前提得说清楚:它跟一般的动漫模型不是一个吃法。

它是在 Anima Base v1.0 上做的全量微调,分两个阶段。素材是手挑的 pixiv 插画,专挑服饰纹样、首饰、刺绣和半写实上色那一类;第二阶段又单独去修了脸和眼睛的渲染。所以跟底模比,差别最直观的地方就落在配饰和布料上——金边、绣线、层层叠叠的装饰能撑得住,构图和线条也没跟着散掉。

真正决定写法的是它训练时喂的描述:标签和散文是混着来的,它同时吃 Danbooru 式标签和自然语言。所以实际敲提示词的时候我是这么分的:

  1. 主体、角色、构图这些照旧堆标签,这部分它的响应跟底模没两样,省心。
  2. 光线、材质、上色方式,改成整句去写。不是为了凑字数,是这几类描述在它这儿真的有权重——散文那一半的训练本来就是喂给它们的,你不写,它就只能按平均值给你渲。
  3. 标签归标签、句子归句子,别互相混插着塞,顺序上让描述句跟在标签后面。

我自己一开始完全没当回事,按老习惯甩十几个 tag 就出图,结果平得很,该有的层次一点没出来,还以为是模型被吹过头了。后来把光和材质补成两三句话缀在后面,主体标签一个字没改,质感立刻是另一回事。

所以短提示词在它身上就是浪费,倒不是它不行,是你没给到它训练时习惯的那种输入。要用直接上 V2.0。

长句子有权重这事我信,最近好几个模型都开始吃自然语言了

顶 :+1:

懒人问一句,这种整句描述写中文行不行,还是得英文

1 个赞

刺绣金边能撑住的话,画古风服饰能省太多返工

先囤了

V1 和 V2 差别大吗,硬盘里还留着旧版没删