基本触发词：circlet, pelvic curtain, veil, skirt, crop top, puffy long sleeves, harem outfit, fake horns, neck ring, blue gemstone备选触发词：thighlet, gladiator sandals, jewelry, from behind, bare back, back tattoo其他：dancing, outstretched arms, armpits, bare shoulder, bare legs, underwear, ...需要有 1girl，solo，以及各种对人物特征的描述。目前测试下来，画风有点受到影响，DPM++ SDE Karras 采样会稳定一些（如果你使用了画风 lora 的话，建议使用这个采样器）。如果你发现画风不太对，可以换其他的采样器，或者调整某些 lora 的权重。模型略微过拟合，部分细节错误可能是底模缺陷导致的。另外提示词方面，thighlet 可能会和 gladiator sandals 有冲突，jewelry 一般情况下可以不需要 ...———————————————自白圣女模型以来第二个炼制难度非常大的模型，主要难点在于画风去除和特征保留。使用之前的服装训练方法，会出现两种情况：要么特征拟合但画风和人物污染严重，要么人物和画风不受污染，但是特征欠拟合严重。仅训练文本编码器虽然可以在一定程度上防止画风污染，但服装最终也会欠拟合。因此，我花了五天五夜，终于想出了一个最终的优化方法，保证在 unet 和文本编码器训练流程不变的情况下，找到一个可以衡量并直观反映画风影响的 “核心指标”，剔除画风影响同时不影响特征拟合，最后把原来练心海服装的方法，优化到自己近乎满意的水平。该方法在原来步骤中间，增加了画风正则化操作，以最大程度削弱 unet 训练带来的画风污染影响。我给整个方法起了个名字，叫迭代正则法。总体思路为：蒙版图片打标 → 去画风 → 挑选蒙版 lora → 底模合并 → 目标图片打标 → 同概念合并 → 去概念 → 挑选目标 lora如果你的两个概念集图片各自的融合画风基本相似，那就到此为止了。但如果你的目标训练集和蒙版训练集的融合画风存在较大差距，在挑选目标 lora 后，还需再次进行去画风处理，并重新训练至挑选最终的 lora 模型。去画风过程中，若模型泛化性过差，采样方法建议选择 DDIM，并设置 eta 系数在 0.5 以上。现在，该方法可以用于任何一个拥有多个服装概念的角色特定服装训练，这意味着即使是冷门角色也可以学习服装概念，只要这个角色拥有另外一套可替换的服装。这里建议是，直接拿角色的裸图作为第二套服装概念，这样甚至可以做到 3 张图训练一个人物特征较为简单的蒙版 lora。不仅是服装概念，该方法可用于任何具体概念的分离训练，只需在原来步骤上进行调整即可。先前的大多数问题，经研究都得出了答案，但是直接解释太麻烦，就不在这里回答了。有什么想了解的问题可在评论区提问。

Files with SHA256: 96123a7f1e6fe4b785531c64dfb7fe7d11d36567095be0ffb7e4f89228a4ff6c