Recommend Weight: 0.4 - 0.8 Recommend Prompt:<pre><code>Hyper-realistic photographic, extremely high-resolution details, realism pushed to extreme, fine texture, incredibly lifelike, asian woman, { Your Prompt here... } </code></pre><hr /><h2 id="v4.0-lora">v4.0 - Lora</h2>使用與 Krea2 相同的資料集重新訓練，並使用 SVD 融合 v3.0 的部分權重，肢體表現的狀況還是不理想。Even after retraining with the same dataset as Krea2 and using SVD to fuse some weights from v3.0, the limb performance was still unsatisfactory.Krea2と同じデータセットで再学習を行い、v3.0の重みの一部をSVDで融合した後でも、四肢の性能は依然として不十分だった。Krea2와 동일한 데이터셋으로 재학습하고 SVD를 사용하여 v3.0의 일부 가중치를 융합했음에도 불구하고 사지 표현 성능은 여전히 ​​만족스럽지 못했습니다.<hr /><h2 id="v3.0-lora">v3.0 - Lora</h2>使用 ZIT 資料集重新訓練，融合 v2.7 部分權重，肢體問題與 v1.8 相同。Retrained using the ZIT dataset, incorporating some weights from v2.7, with the same limb issues as v1.8.ZITデータセットを使用して再学習を行い、v2.7の重みの一部を取り入れたが、v1.8と同じ四肢の問題が残っている。ZIT 데이터셋을 사용하여 재학습되었으며, v2.7의 일부 가중치가 통합되었고, v1.8과 동일한 사지 관련 문제가 있습니다.<hr /><h2 id="v2.7-lora">v2.7 - Lora</h2>使用新的資料集重新訓練，並合併 v2.0 Lora，問題點與 v1.8 相同。Retrain using the new dataset and merge v2.0 Lora, with the same issues as v1.8.新しいデータセットを使用して再学習を行い、v2.0 Loraをマージしましたが、v1.8と同じ問題が発生しました。새로운 데이터셋을 사용하여 재학습하고 v2.0 LoRa를 병합했지만, v1.8과 동일한 문제가 발생했습니다.<hr /><h2 id="v2.0-lora">v2.0 - Lora</h2>與 v1.8 相同資料集，重新訓練的 Lora 模型。The Lora model was retrained using the same dataset as v1.8.LoRaモデルは、v1.8と同じデータセットを使用して再学習されました。Lora 모델은 v1.8 과 동일한 데이터셋을 사용하여 재학습되었습니다.<hr /><h2 id="v1.8-alphalokr">v1.8 - alpha/LoKr</h2>這是一個非常早期的測試，使用 Z Image 相同資料集，利用 Flux.2 Klein Base 4B 所訓練的 Lokr。使用在 Flux.2 Klein 4B 上面也會有效果，我個人覺得效果比 Base 好一些。目前已知問題： 1. 手腳、肢體表現不佳。 2. 小面積的臉部表現不佳。 3. 人物大動作可能會有異常。 4. 使用自然語言描述效果並沒有特別好，反而使用標籤描述比較穩定。 This is a very early test using the same dataset as Z-Image, trained with Lokr based on Flux.2 Klein Base 4B. It also works on Flux.2 Klein 4B, and I personally think it performs better than Base. Known issues:1. Poor representation of hands, feet, and limbs. 2. Poor representation of small facial areas. 3. Abnormalities may occur with large movements of the person. 4. Natural language descriptions do not perform particularly well; labeled descriptions are more stable.これはZ-Imageと同じデータセットを用いた非常に初期のテストであり、Flux.2 Klein Base 4BをベースにLokrで学習されています。Flux.2 Klein 4Bでも動作し、個人的にはBaseよりも優れたパフォーマンスを発揮すると考えています。既知の問題：1. 手、足、四肢の表現が不十分。 2. 顔の小さな領域の表現が不十分。 3. 人物が大きく動くと異常が発生する可能性がある。 4. 自然言語による説明は特に優れたパフォーマンスを発揮せず、ラベル付きの説明の方が安定している。이것은 Z-Image와 동일한 데이터 세트를 사용하는 매우 초기 테스트이며 Flux.2 Klein Base 4B를 기반으로 Lokr에서 학습되었습니다. Flux.2 Klein 4B에서도 작동하고 개인적으로는 Base보다 뛰어난 성능을 발휘한다고 생각합니다. 알려진 문제:1. 손, 발, 사지의 표현이 불충분. 2. 얼굴의 작은 영역의 표현이 불충분. 3. 인물이 크게 움직이면 이상이 발생할 가능성이 있다. 4. 자연언어에 의한 설명은 특히 뛰어난 퍼포먼스를 발휘하지 않고, 라벨 첨부의 설명이 안정되어 있다.

[Flux.2 Klein 4b] Asian Mix Lora

Files with SHA256: 0ce130b0528feab85d5e35d77ac9450f8d856337a59a641d62b488dba1688ae2