LOFI AI绘图模型，不受干扰的无限原创性

L.O.F.I: Limitless Originality Free from Interference，LOFI：不受干扰的无限原创性

🧐 没有特殊的面对齐方式
🚀 改进线路详细信息
🚀 提高快速理解

LOFI v4 发布

更新内容

更多培训和微调
注入 sdxl1.0 知识（关于肖像和机械）
修复部分画面构图bug（v3版本bug：经常产生破布和场景）

建议

v4 不需要任何提示来提高质量。试试没有 (best quality, masterpiece…)
v4 不需要强烈的快速重量调整。尝试删除所有提示权重。
v4 不需要 Hi-RES。尝试大步骤（>50 步）并使用 DPM++ 系列采样器。
v4 还是包含了一点亚洲风格，如果你不想要它，请遵循这个模型

[更新]LOFI V3

重新组合各种类型的LOFI-sub lora，修复过度拟合

对于 V3 建议：

采样器：DPM 自适应 / DPM++ / DDIM
控制相机的功能仍然可用

扩展建议：

稳定扩散动态阈值（CFG 尺度固定）

https://github.com/mcmonkeyprojects/sd-dynamic-thresholding/tree/master

我的配置：

Dynamic thresholding enabled: True, Mimic scale: 4, Threshold percentile: 100, Mimic mode: Linear Up, Mimic scale minimum: 0, CFG mode: Linear Up, CFG scale minimum: 0,

控制网

https://github.com/Mikubill/sd-webui-controlnet

面部编辑器（比恢复面部更好）

https://github.com/ototadana/sd-face-editor

（它适用于人脸比例相对较小的图像生成。如果是特写照片，则无需使用）

[更新]LOFI V2.2

更懂假，更懂真

对于版本 V2.2，以下是一些建议：

负面提示效果显著，可以大大提高质量。这个模型对什么是“坏事”有很强的理解。
摄像头控制不如 v2.1 强，但也包括微调模型（大约是 v2.1 摄像头控制能力的 30%）。
此训练使用了大量的亚洲图像（~5GB），因此绘制其他种族可能需要不同的 Lora 或 Ti 模型.
[强烈推荐]使用 ControlNet。此版本与 ControlNet 完美配合，限制图像的某些部分将使模型输出无限接近现实。
使用DPM++系列采样器，步长越高，输出越详细，cfg也可以增加。

享受人工智能世界。

[更新]LOFI V2.1

🧙来自更多迭代训练的更逼真的细节（200 epochs）
🩹一点点面部效果回滚（到 LOFI V2pre）
🖌️添加修复模型（基于 LOFI V2.1）

提示（关于修复模型）：

您需要确保您的 inpaint 模型文件名采用 webui 支持的格式，例如 LOFI_V21.inpainting.safetensors

注意：因为我使用了torch2.1的一些优化，所以可能无法使用相同的参数生成完全相同的图像（但质量很好）

LOFI V2

最后，v2 发布

基于 LOFI-v1 模型，微调了 80，000 步/300 个周期

📷更多相机概念

LOFI V2pre

版本 2 预发布。这是一个预发布版本，不仅仅是合并模型，它还包括一些我通过训练微调的模型部分，包括之前发布的 TAF 和其他一些提高图像质量的训练模型。

但这可能会导致模型专注于“人物肖像”，所以这只是预发布版本，需要更新。LOFI模型旨在实现通用和高质量。

提示建议

由于使用的文本编码器是足够训练的版本，不要使用非常高的注意力来控制权重，这样会造成一些错误的绘制，建议所有注意力权重不要高于1.2
如果没有特殊的构图要求，就不需要大量的负面提示，比如“缺手”，可能会影响人体画画，负面提示DeepNegative 就足够了

DeepNegative v1 2t-75t全套深度负面提示 stable diffusion必备插件_Qpipi

免费DeepNegative v1 2t-75t全套深度负面提示 stable diffusion必备插件

FapMagi

1526412

强烈建议使用 hires.fix 来生成，推荐参数：
- (final output 512*768)
- Steps: 20, Sampler: Euler a, CFG scale: 7, Size: 256×384, Denoising strength: 0.75, Hires upscale: 2, Hires steps: 40, Hires upscaler: Latent (bicubic antialiased)

大多数示例图像都是使用 hires.fix 生成的

注意：如果您使用 hires.fix，您可能无法在 webui 中重现具有相同参数集的图像，因为 hires.fix 引入了双重随机性

如果您觉得不错请给我一个赞，在社区分享作品吧，期待您的评论！