FilmGirl Ultra AI绘图模型，网红胶片风

去年的2月24日，我完成了第一版FilmGirl LoRA制作。这个LoRA是我的首个高下载量模型，是我的AI之梦的开始。自从SDXL推出后，我将大量精力投入到HelloWorld和AIArt两个XL大模型的改进中。FilmGirl这个系列也已经8个月没有更新了。

其实不管是FilmGirl，还是后来的拍立得LoRA、Helloworld XL，我一直都在追求极致的写实感。如今已整整一年过去，作为一周年纪念，我决定推出一个可以将SD1.5的写实感抬升至新高度的模型，LoRA模型已不足以承载这个使命，新的FilmGirl Ultra是一个SD1.5大模型。

为了彻底摆脱SD1.5写实感大模型的同质化和AI脸问题，FilmGirl Ultra没有选择basilmix、chilloutmix及其子子孙孙们作为训练底模，而是选择了UCLA最新发布的SPIN-Diffusion。SPIN-Diffusion是一个使用 pickapic_v2 数据集胜者图像进行自我对弈微调的SD1.5底模，其表现优于SD1.5原始底模以及DPO底模，同时提示词对齐性能远好于Chilloutmix等经过大量微调与融合的底模。

FilmGirl Ultra的训练集来自HelloWorld XL。实际上HelloWorld XL的第一版所使用的训练集也来自最后一版FilmGirl LoRA。这一年我都在精益求精地积累和筛选该训练集，如今整个训练集数量已达到1万张。FilmGirl Ultra的整个训练过程使用了多种打标方法，包括GPT4V自然语言caption、GPT4V 标签式caption、Blip+Clip caption。同时为了使得该模型可以兼容大家超常用的1girl、best quality、masterpiece三个词，也适当地在部分图像中添加了这三个词（但您仍可以通过child girl/girl这两个词准确触发小女孩效果）。之所以使用多套打标，是为了使训练集的效果可以尽可能高概率地触发。同时作为FilmGirl的传统，胶片风格被重点关注，您可以通过film grain analog photography来触发该风格。

本模型进行了共7阶段的训练，不同阶段选用了不同的batch size、优化器、学习率以及训练集比例，方才达到了目前的效果。如果有朋友同样对微调SPIN-Diffusion感兴趣，我建议您的总体训练迭代步数应在5万步以上，实际上我以batch size 40~64，共训练了约10万步。

FilmGirl Ultra的写实效果超出了我的预料，已经与SDXL的图像效果接近。上图中列出了该模型与Realistic Vision v6以及epiCPhotoGasm的对比，前者是目前下载量最高的1.5底模，后者是我心目中长期以来最为写实的1.5底模，向这两个优秀底模以及其背后的作者致敬。

同时得益于GPT4V打标以及SPIN-Diffusion底模，该模型的提示词对齐性能优异。

但FilmGirl Ultra也并非在所有维度都全面领先。它毕竟是从一个全新起点出发制作，放弃了社区一年多来对1.5底模的不断调优打磨内容，经过我的大量测试对比，该底模的肢体错误率要高于社区成熟的写实模型。同时由于训练集缺乏二次元内容，当你的提示词中涉及二次元相关tag时，出图效果不佳。建议大家避免使用digital art、anime、cartoon等词。这两个问题是FilmGirl Ultra目前最主要的两个缺陷。

FilmGirl Ultra是我AI之旅第一年的年终总结，是我送给支持我的AI同好们的礼物。开源社区为我带来了诸多朋友、回忆、快乐以及知识，我也希望回馈社区做出自己的一点点贡献。希望上述的模型制作总结能为大家带来一些帮助，同时也欢迎大家基于FilmGirl Ultra进行你的模型训练或融合。本模型与其训练底模SPIN-Diffusion一样，请大家遵循Apache-2.0许可证使用，否则将被追责。如果您觉着这个模型有帮助您让自己的模型变得更好，请在模型说明中提及下它，希望FilmGirl Ultra以及SPIN-Diffusion能被更多人了解和使用。

FilmGirl Ultra后续还会持续更新，祝大家使用愉快！

希望我们能随AI一起不断进步，明年此时，仍能在此相遇！