NoobAIXL NAIXL – Early Access Version

注目の画像

推奨プロンプト

1girl,long hair,solo,looking at viewer,best quality,masterpiece

1girl,long hair,solo,looking at viewer,best quality,masterpiece

推奨ネガティブプロンプト

worst quality,lowres,low quality,signature,watermark,username

worst quality,lowres,low quality,signature,watermark,username

推奨パラメータ

サンプラー	Euler, DPM++ 2M, Euler a
ステップ数	25-30
cfg	7-7.5
CLIP スキップ	2
vae	noob_vae_trainer_step_7.safetensors
解像度	862×1216, 832×1216, 1024×1536, 1024×1216

推奨ハイレゾ（高解像度）パラメーター

高解像度に拡大	R-ESRGAN 4x+ Anime6B
高解像度比率	1.8
高解像度ステップ数	15
高解像度ノイズ除去強度	0.5

モデル開発者スポンサー

All sponsors are not affiliates of Diffus. Diffus provides an alternative online Stable Diffusion WebUI experience.

We extend our sincere gratitude to our esteemed GPU sponsors for their generous support: https://cloud.lanyun.net

これはIllustrious-xlからのトレーニングに基づいた画像生成モデルであり、Laxhar Labによって継続的にトレーニングされています。

https://civitai.com/models/795765/illustrious-xl

最新の完全なDanbooruとe621のデータセットを用いたトレーニングを行い、ネイティブタグキャプションを使用しています。

10月8日にアップロードされたバージョンは、Early Access Versionとして8*H100上で5エポックトレーニングされました。

そして、Labのhuggingfaceページ

新しいバージョンは32*H100でトレーニング中です

https://huggingface.co/Laxhar/sdxl_noob

フォローアップモデルと技術報告はhuggingfaceに投稿されます

コミュニケーションqqグループ：①875042008 ②914818692 ③635772191

DISCORD: Laxhar Dream Lab SDXL NOOB

このバージョンのモデルは、Illustrious-xl 0.1verにおけるキャラクターとスタイルのフィット感を向上させ、キャラクターの具体的な特徴がより良く表現されています。Laxhar labは現在、このベータバージョンの基礎の上でXLモデルの新バージョンのオープンソースモデルを継続的にトレーニングしており、戦そくして、より初心者に優しい、ワンクリックで操作できるSDXLアニメモデルをリリースすることを期待しています！

注意: モデル名やその他の詳細は変更される可能性があります。

このモデルはまだトレーニング中です!!!

現在の状況

これは内部使用を目的とした50%バージョンです。ただし、限られた外部テストを許可することを検討しています。

データセット

– Danbooru (Pid: 1~7,600,039):

https://huggingface.co/datasets/KBlueLeaf/danbooru2023-webp-4Mpixel

– Danbooru (Pid > 7,600,039):

https://huggingface.co/datasets/deepghs/danbooru_newest-webp-4Mpixel

– E621 2024年4月7日現在のデータ:

https://huggingface.co/datasets/NebulaeWis/e621-2024-webp-4Mpixel

キャプション

<1girl/1boy/1other/...>, <キャラクター>, <シリーズ>, <アーティスト>, <特別タグ>, <一般タグ>

品質タグ

品質タグについては、以下のプロセスを通じて画像の人気を評価しました：

様々な情報源と評価に基づいたデータの標準化。
日付の新しさに応じた時間ベースの減衰係数の適用。
この処理に基づいてデータセット全体の画像をランク付け。

我々の最終的な目標は、近年のユーザーの好みを効果的に追跡する品質タグを確保することです。

パーセンタイル範囲品質タグ

> 95位マスターピース

> 85位、<= 95位ベストクオリティ

> 60位、<= 85位良好な品質

> 30位、<= 60位通常品質

<= 30位悪い品質

CCIPテストで、noobaiXLはベースモデルと比較して約2%の改善を示しました。3500以上のキャラクターのデータに基づき、89.2%のキャラクターが0.9以上のCCIPスコアを達成しました。現在のモデルのパフォーマンスを考慮し、既存のCCIPテスト用データセットをさらに拡大する必要があります。