SagaXL サガシリーズ ( ZtnV ) 試験モデル群<hr />Sagacity, Wisdom, Lusty,,, を解放しよう！ RR002以降は Emo系 で調整しています　SDXL バニラモデル (標準) を ZtSNR (非 V-pred) で訓練、色域拡大／色調修正を行い、この XLBB (XL-Base-typeB) を SDXL (標準) へ転移学習し XLBBP とした。 　ZtnV は ZtSNR かつ non V-pred の意味を持つ。 純色表現を可能とし色彩や色域に優れている。多腕多脚等の影響はわずかに残存。 　推奨設定はこの説明の最後に記載済み、CFG、解像度、等の設定の参考にしてください。サンプル画像の設定値も参考にしてください。<hr />SagaXL-RR004 emx は、 EmoFact で LoRA調整したモデルです、　R004をベースに独自開発の optimizer 群 (<a target="_blank" rel="ugc" href="https://civarchive.com/articles/23786/">Emo系</a> EmoFact(v3.6)) による LoRA ファインチューンモデル。EmoFact は、v3.6 では短期学習も超長期学習もちゃんと学習します。さらに Adafactor型の長所をすべて維持しており欠点が見当たりません。今年最後のupdateに相応しいものと思います。<hr />SagaXL-RR004 fix は、 RR003 emx を修正したモデルです、　R003をベースに独自開発の optimizer 群 (<a target="_blank" rel="ugc" href="https://civarchive.com/articles/19555/emo-v12-25-09-22">Emo系</a> EmoFact(v3.0)) による LoRA ファインチューン、極低値AKN(avg_key_norm) ＆ 高学習率(LR) による｢自己修復｣を実施し、モデル名に fix を付与。 　極低値ANK(avg_key_norm) ＆ 高学習率(LR) による｢自己修復｣は、emo系で実現できる特殊作用で、なかでも emo系 fact式 (fact、zeal、等) が得意とする新しい学習法です。簡単にいうと、教師データを参考にテキストエンコーダー等を最小限の学習で修復します。局所解を最適解へ近づけ汎化性と多様性を与えます。 　これはモデルの特徴や性能を引き出し、埋没した情報や質感を掘り起こす、ような作用をします。この最適化(修復学習)を実施しました。<hr />SagaXL-RR003 emx は、◆ 失敗作 ◆ でした💦 近々削除予定 　R001をベースに独自開発の optimizer 群 (<a target="_blank" rel="ugc" href="https://civarchive.com/articles/19555/emo-v12-25-09-22">Emo系</a> EmoLynx(v3.0)) による LoRA ファインチューンを行い、モデル名に emx を付与。 　リアル化を実施した。EmoLynx による精緻化のテストでもある。陰影等についてリアルさが向上している。もう少しリアルさを加味したい。今回の最終調整の 3e-5、3000step は少し硬い更新かもしれない。次回はもう少し柔らかい更新にしたい。<hr />SagaXL-RR002 enx は、　R002をベースに独自開発の optimizer 群 (<a target="_blank" rel="ugc" href="https://github.com/muooon/EmoSens">EmoSENS系</a>) による LoRA ファインチューンを実施し、モデル名に enx を付与。SDXL の持つ可能性を信じられる仕上がりだと思う。使用 optimizer は emo系(第二世代) 全種、emosens、airy、cats、を用いている。Kohya-script の ZtSNR も適用している。<hr />SagaXL-RR002 は、　R001をベースに独自開発の optimizer 群 (<a target="_blank" rel="ugc" href="https://civarchive.com/articles/17194/emonavi-there-is-a-link-to-the-english-version">EmoNAVI系</a>) による LoRA ファインチューンを実施し、モデル名に emx を付与。今回のUPDATEで調整は概ね完了したモデルと認識する。<hr />SagaXL-RR001 は、　BeppinXL に BejeanXL を0.03125程度混合し、これをベースにオリジナルコード群 (muooonKit) にて自己教師強化学習による自己進化を施した。中核技術は独自開発の optimizer (Ref-AdamW-mini-ScheduleFree) で、その他は SVD応用 による LoRA への間欠的作用を行うコードと、その中心的コードによるモデル訓練を実施した。Hako-mikan氏による TrainTrain に Ref-AdamW-mini、SVD応用の間欠的作用と介入コード、独自実装し効果を確認した。他コードによるベースモデルの強化も実施した。<hr />BeppinDX (alpha) は、　BejeanXL とは別の新しい XLBB-Plus系(派生) を土台にしたモデル。オリジナルコードによる SVD系XLBBPモデル をつかい疑似的な自己強化学習等を適用した。<hr />BejeanXL (beta) は、　すべてのモデルに共通する SDXL (標準) モデルを XLBBP に置換し、土台から色域と色調を改善、リアルさと緻密さを向上させた。XLBBP を基盤にしたモデルです。　さらに 2000枚の画像で簡単な FFT を行い、この新しい BejeanXL に対し、アニメ画像とリアル画像の両方を混合学習した LoRA を適用した。<hr />推奨設定 (Recommended setting) ：　CFG scale: 3-7, SDE SGMUniform (ZtSNR / NonVpred) のため SGMUniform 推奨 　(reForge は Sampler：RES Solver, Schedule：React Cosinusoidal DynSF, も良い) 　解像度：1024x1024 以上を推奨、R002以降は mahiro-CFG 不使用が良い<hr />SagaXL はお試し用モデルです、商用･違法利用等はお控えください。オリジナルコードによる実験的要素により問題を生じる可能性があります。何かの異常や問題を生じたときは使用をやめモデルを破棄するようお願いします。

SagaXL-ZtnV

sagaxlZtnv_beppindx220.safetensors

BeppinDX-2.2.0

RR004X-emx

RR004-fix

RR003-emx

RR002enx

RR002

RR001

BejeanXL-2.0.0x

Files with SHA256: 658ecf24be6f0b191e91b491610197d37d9ac50509cc3139e6e748ee2ab1b7c5