真正的游戏规则改变者
现在您low key只需一台 LowRA 即可获得所需的一切
快速提示：
您的起点（体重）是 0.6 ➜<lora:LowRA:0.6>
寻找更多黑暗？只需添加dark theme到您的提示中即可
最佳体重范围约为0.6 ≈ 0.8
技术信息：
Dreambooth 训练（创建）模型过程旨在在训练的每个阶段将每个图像变成噪声。这样做是为了稍后在图像生成阶段，稳定扩散可以将任何随机噪声转回图像。在 Dreambooth 中训练模型的次数越多（将同一图像转换为随机噪声的次数就越多），稳定扩散就越容易从随机噪声（稳定扩散自行创建的噪声）中重新创建所需的图像。例如，如果将 1 个图像变成随机噪声 10 次（10 个步骤 Dreambooth 训练），则在生成过程中，稳定扩散从噪声中重新创建图像的机会增加 10 倍。这就是我们进行数千个训练步骤的原因——以增加重新创建图像的概率。 然而，通过将任何图像转换为噪声，我们可以获得约 45% 至约 55% 的亮度(HSB)。总是。你可以在Python上numpy random或在Photoshop中检查这一点，只需取一个全白的方块和一个全黑的方块，然后将它们都变成噪音。然后过滤➜模糊➜平均。您将始终获得约 45% 至 约55% 的亮度。这就是为什么当您尝试生成completely black square或时总是失败completely white square。你就是不能。 LowRA 将自身嵌入图像生成过程中，解决了这个问题。在图像生成过程开始时，LowRA 会提供另一种噪声，使您能够获得所需密钥的图像。 LowRA 的权重越高，Stable Diffusion 就越被迫使用 LowRA 中的样本。用于训练 LowRA 的样本是严格挑选的图像，其总体平均亮度低于 25%。这使得以更轻的重量使用 LowRA 成为可能，这样当您与其他 LoRA 并行使用 LowRA 时，就不会出现混乱。因此，如果您使用其他方法在稳定扩散中获得低调图像，您应该忘记旧技术并仅使用 LowRA。