秦时明月少司命的LoRA模型，由于能找的的高清图片很少，训练数据集质量较差，大多是视频截图或者宣传海报图，采用<a target="_blank" rel="ugc" href="https://civarchive.com/models/10415/3-guofeng3">国风3（guofeng3_v32.ckpt [0bb33c7041] ）</a>模型做为底模，基于Dreambooth插件进行LoRA训练，最终训练结果在底模下权重为1时，有较高脸部识别率，使用底模时面纱有一半以上概率能出，其他模型面纱基本没有，脸部辨识度也不高，服装比较复杂，没有单独训练，所以服装还原度也不高，这是本人第一次训练模型，肯定会有很多问题，但是可以将就用一下，期待能有更好的模型。（经本人在多个底模上进行测试，发现LoRA权重在1~1.4范围内效果较好，如果没有出现面纱，可以适当加强veil这个tag）2.0版本模型采用秋叶的lora整合包进行训练，把原来数据源中透明背景的图片全部改为了白色背景，而且未进行统一分辨率裁剪，移动端3080显卡用整合包训练，同样数量的数据源，训练时间基本在30分钟左右，产出的包体积更小，效果更好，不再会有1.0那样模糊的效果了，与各大模型结合也更容易，不再会使整体画面偏紫色了，2.0版本lora模型权重在0.5~0.8之间效果最稳定，0.6以上时容易出面纱。权重在0.4时，能保留模型主体特征，并提供更大的自由度以更换姿势、服装及背景，画出更通用但不那么还原的图。初始分辨率540x960，采用R-ESRGAN 4x+放大算法，重绘幅度0.3放大2倍进行高清修复，然后图生图用SD upscale脚本，选择同样的算法，重绘幅度0.1进行超分放大，可以得到效果不错的4k高清图片。（此方法第一步直接生成1080P的图片，比较看脸，不易批量操作，16G显存最多只能同时生成4张图片，出图及修图效率较低，但是质量较高）<a target="_blank" rel="ugc" href="https://www.tusiart.com/models/601858341330754578">shaosiming_少司命——秦时明月 - v2.0 | 吐司 </a>[Blocked Link]<a target="_blank" rel="ugc" href="https://www.tusiart.com/models/601858341330754578"> (</a>tusiart.com)(这里可以在线跑图看效果，需要开高清修复看脸抽卡，速度还可以，每天有免费额度)

shaosiming_少司命——秦时明月

2.0版本模型采用秋叶的lora整合包进行训练，把原来数据源中透明背景的图片全部改为了白色背景，而且未进行统一分辨率裁剪，移动端3080显卡用整合包训练，同样数量的数据源，训练时间基本在30分钟左右，产出的包体积更小，效果更好，不再会有1.0那样模糊的效果了，与各大模型结合也更容易，不再会使整体画面偏紫色了，lora模型权重在0.5~0.8之间效果最稳定，0.6以上时容易出面纱。

Files with SHA256: 93d2e0cac1c65bb31fcce2a384327e357156e1799b276ea2bb230dd4823ce758