触发词：top hat, hat bow, ascot, gloves, jewelry, blue gemstone, blue jacket, white vest, white shorts其他：coattails, boots, (thigh strap:0.9), from side, from behind, white glove, black glove ...示例：1girl,solo,pink hair,long hair,french braid,ponytail,hair bow,yellow eyes,ascot,top hat,gloves,hat bow,blue bow,jewelry,blue gemstone,blue jacket,coattails,white vest,white shorts,boots,(thigh strap:0.9)已经去除大部分人物特征影响，但仍有少部分存在于模型中。在不设置提示词的情况下，黑白手套概率出现，其不稳定性大概率和训练集有关。想要异色手套请额外设置 black glove 和 white glove（不过仍有抽奖的概率）。有概率出现挑染，出图时请尽量详细描述人物特征，或在负面提示词中加入 streaked hair 和 hair intakes 。只测试了正面的拟合效果，背部和侧面训练步数较少，欠拟合严重，其目的是为了确认，从 AI 的角度，同一个物件的不同视角，究竟是一个东西还是两个东西。————————————尝试将方法应用在 437 张图的大训练集中，用以验证其对训练集的质量要求。结果效果不是很好，但作为试验品，姑且及格了，就先传上来。另外，在训练服装概念时，我发现 lion 比 prodigy 拥有更好的去画风能力。因此我认为如果有明确的训练目标，使用 lion 依旧是最佳的选择。所以，我的结论是：相比于提升训练集数量，优化训练集标签和图片质量是优先级最高的做法。另外，不同训练难度的模型对训练集图片数量要求也不一样，但我目前没有很好的预测训练集数量上限的方法。该版本尚有缺陷，后续可能会精简训练集质量。

Files with SHA256: 1088a200d9153b34e9f9db51d91a1efd7cb9d5c94d48523a69d85c0f8e308c8d