<h1 id="v3.6">v3.6</h1>Illustrious-XL-v1.0で学習。Illustrious-XL-v2.0版は<a target="_blank" rel="ugc" href="https://huggingface.co/mata91/illustrious_lora_super_highleg/tree/main">Hugging Fce</a>に置いてあります。<s>サンプル生成が面倒だった</s><h1>説明</h1>サンプル画像の通りにハイレグの角度を強化するloraです。基本的に<ul><li>レオタード(leotard)</li><li>ワンピース水着(one-piece swimsuit)</li><li>セーラーレオタード(sailor leotard)</li></ul>この3種類を学習させましたが他の衣装でも応用は可能です。<h2>使い方</h2><code>super highleg</code>をプロンプトに記述してLoraのウェイトを0.5~1.25ぐらいで調整してください。<code>midriff, stomach, navel</code>を入れておくとブルマ等でそれっぽくなります。真後ろは明示的には学習してませんが<code>thong</code>当たりを入れておけば良い感じになるかも。パンツの紐っぽい何かが生成されるときには、ネガティブプロンプトに<ul><li><code>panties</code></li><li><code>panty straps</code></li></ul>当たりを書いておけば大体抑制されます。<hr /><h1 id="v2.0">以下V2.0までの説明</h1>CAMEオプティマイザの試験用として学習。既に同じコンセプトのモデルがありますが、実験兼自分用に学習させました。eps版のサンプル画像モデル:<a target="_blank" rel="ugc" href="https://huggingface.co/Emanon14/NONAMEmix_v1">NONAMEmix_v11(1.40まで)</a>学習モデル:<a target="_blank" rel="ugc" href="https://civarchive.com/models/823108/anyillustrious-xlfor-lora-training">AnyIllustrious-XLV1.1</a>2024/12/10 v_prediction版追加2025/01/17 v_prediction版追加のみv1.40追加2025/04/18 1.50-eps追加(AnyIllustrious-XL-v1.1.0 1536解像度で学習)2025/04/21 2.0-eps追加(Illustrious-XL-v2.0 1536解像度で学習)全バージョンの補足:"wedgie"を入れておくと股布がかなり食い込みます<hr /><h3 id="v2.0">v2.0</h3>基本的に今までのバージョンと変わりません。サンプル画像を参照してください。It is basically the same as the previous version. See sample images.<hr /><h3 id="1.50-eps">1.50-eps</h3>ハイパーパラメータを全面的に見直し、過学習を改善した…はず。データセットは全く変わっていないので、使用方法も以前と変わりません。Hyperparameters were completely revised to improve over-learning...supposedly.The data set has not changed at all, so the usage remains the same as before.<hr /><h2 id="v1.30-any-lbw-and-v1.301.40-anynoob_v_pred-lbw:">v1.30-any-lbw &amp; v1.30/1.40-anynoob_v_pred-lbw:</h2>v1.13を使用して生成した画像を30枚程度含め、全体的なデータセットを整理して学習しました。これによって、より明確なカットラインになっているはずです。また、v1.13よりも多様なモデルでテストしたので様々なスタイルのイラストに対応していると思います。ウェイト:1以下の通りにブロックを調整してあります。<pre><code>1,0,0,0,1,1,1,1,0,0,0,0</code></pre>タグのTIPS:<ul><li>super highleg gym uniform, :のようにカンマで区切らずに、タグを繋げて書くことで効果的な衣装もあります</li><li>トリガーワードのウェイトを上げても少し効果があります<ul><li>(super highleg:1.4)</li></ul></li><li>スカートなどの下に何か着せる場合は以下のようなタグを使用してください<ul><li>leotard under clothes, leotard under pants,</li></ul></li><li>セーラー服系統で下乳当たりに謎の部品が出る場合には、ネガティブプロンプトに以下のタグを追加すると消えるかも（艦これとかの艤装の影響かも？）<ul><li>armor,</li></ul></li></ul>English:by DeepL.We have organized and trained the overall data set, including about 30 images generated using v1.13.This should result in a clearer cut line.We also tested with a more diverse model than v1.13, so it should be compatible with a variety of illustration styles.Weight: 1The blocks are adjusted as follows<pre><code>1,0,0,0,1,1,1,1,0,0,0,0</code></pre>Tagged TIPS:.<ul><li>super highleg gym uniform, :Some outfits are more effective when the tags are joined together and not separated by commas, such as</li><li>Raising the trigger word weight has a slight effect.<ul><li>(super highleg:1.4)</li></ul></li><li>If you are putting something on under a skirt or other garment, please use the following tags<ul><li>leotard under clothes, leotard under pants,</li></ul></li><li>If you see mysterious parts around the lower breast in the sailor suit system, add the following tag to the negative prompt and it may disappear<ul><li>armor,</li></ul></li></ul><hr /><h2 id="v1.13-last:">v1.13-last:</h2>サンプル画像は全てKohya HRFixで始めから高解像度で生成しています。特定のスタイルに過度に寄らないように調整したつもりなので、若干効き目が悪いかもしれません。ウェイト:1~2※上げすぎると他の影響が大きくなるのでseed値、モデルやプロンプトに応じて適宜変更してください。素のillustriousや近いモデルでは以下も良いかもしれません<pre><code>lbw=0,1,1,1,1,1,1,0,0,0,0,0</code></pre>確認した服装:<ul><li>one-piece swimsuit (competition swimsuit, school swimsuit)</li><li>bikini</li><li>leotard</li><li>dress</li><li>nontraditional miko</li><li>buruma</li><li>bodysuit</li><li>gym uniform</li></ul>多分他の服装もハイレグになるはず。English:by DeepL.Learned for testing the CAME optimizer.There is already a model with the same concept, but I trained it as an experiment and for my own use.All sample images are generated in Kohya HRFix at high resolution from the beginning.I have tried to adjust the images so that they do not lean too much toward a particular style, so they may not work as well as they could.sample image model:<a target="_blank" rel="ugc" href="https://huggingface.co/Emanon14/NONAMEmix_v1">NONAMEmix_v11</a>Learning model: <a target="_blank" rel="ugc" href="https://civarchive.com/models/823108/anyillustrious-xlfor-lora-training">AnyIllustrious-XLV1.1</a>Weight: 1~2*If the weight is raised too high, other effects will increase, so change the weight according to the seed value, model and prompts.Confirmed attire:<ul><li>one-piece swimsuit (competition swimsuit, school swimsuit)</li><li>bikini</li><li>leotard</li><li>dress</li><li>nontraditional miko</li><li>buruma</li><li>bodysuit</li><li>gym uniform</li></ul>Perhaps other outfits should be highleg as well.

illustrious LoRA super highleg

<ul><li>データセットの整理と前バージョンで生成した画像を追加(全132枚)</li><li>メタタグを削除</li><li>epoch13を使用(loss:0.128)学習時のコマンドライン:accelerate launch --num_cpu_threads_per_process 6 sdxl_train_network.py --pretrained_model_name_or_path "I:\LoRA\anyillustriousXLFor_v11.safetensors" --train_data_dir "I:\LoRA\datasets\super_highleg\train_v1.30" --output_dir "I:\SD_webui1111_lora\Lora\test\illustrious_super_highleg" --network_module "networks.lora" --xformers --gradient_checkpointing --persistent_data_loader_workers --cache_latents --cache_latents_to_disk --max_token_length 225 --max_data_loader_n_workers 6 --enable_bucket --save_model_as "safetensors" --lr_scheduler_num_cycles 2 --mixed_precision "bf16" --learning_rate 0.0001 --resolution 1024 --train_batch_size 8 --max_train_epochs 20 --network_dim 4 --network_alpha 1 --shuffle_caption --keep_tokens 1 --save_every_n_epochs 1 --optimizer_type "came_pytorch.CAME" --lr_warmup_steps 20 --output_name "illustrious_super_highleg_v1.30-any" --save_precision "fp16" --lr_scheduler "cosine_with_restarts" --min_bucket_reso 512 --max_bucket_reso 2048 --caption_extension ".txt" --seed 42 --logging_dir "I:\LoRA\log" --loss_type "smooth_l1" --huber_c 0.2 --huber_schedule "snr" --network_args "loraplus_lr_ratio=4"</li></ul>

Files with SHA256: db6b0e1ce704557804b7937b21c5e9884d543593ddb72b3cfc13ce26abf2ce42