簡介:
反向詞(Negative Embedding)是一種在自然語言處理和機器學習領域中廣泛使用的技術。它的主要目的是將某種特定的語義信息(如否定、反對等)編碼到一個向量(即嵌入)中,這個向量可以被機器學習模型用來理解和處理這種語義信息。
在 Stable Diffusion WebUI 中,反向詞被用來改變生成的圖像。具體來說,當你在提示詞中使用一個反向詞時,Stable Diffusion 將試圖生成一個與該反向詞相對應的圖像。例如,如果你使用了 "不是狗" 這個反向詞,那麼 Stable Diffusion 將試圖生成一個不包含狗的圖像。
這種技術的優點是,它可以讓你更細緻地控制生成的圖像。你可以使用反向詞來指定你不希望出現在圖像中的元素,這在許多情況下都非常有用。例如,如果你正在創作一幅風景畫,並且你不希望畫中出現任何建築物,那麼你可以使用 "不是建築物" 這個反向詞來達到這個目的。
然而,使用反向詞也有一些挑戰。首先,你需要找到一個適合的反向詞來表示你的意圖。這可能需要一些試驗和錯誤,因為不同的反向詞可能會產生不同的結果。其次,反向詞的效果可能會受到模型的限制。如果模型對某個反向詞的理解不夠好,那麼使用該反向詞可能不會產生你期望的效果。
儘管如此,反向詞仍然是一種強大的工具,可以幫助你更好地控制 Stable Diffusion 的生成結果。通過學習和實踐,你將能夠掌握這種技術,並在你的創作中充分利用它。
反向詞下載後存放 路徑 “ \stable-diffusion-webui\embeddings ” 內
通用的 EasyNegative
EasyNegative 是一種「通用的」負面模型,它集成了一些常用的不需要 AI 畫的東西。這是使用 Counterfeit 訓練的 Negative Embedding。
EasyNegative 的主要目的是把一些常見的不需要 AI 畫的東西全部集成進來,除非你的負向詞面面俱到,不然這個插件還是很有用的。
bad_prompt_version2 的探索:手部圖像
已經證明對於生成手部圖像非常有幫助。負面嵌入,也建議使用「強度為0.8」,如 "(bad_prompt_version2:0.8)"。
不好的手 bad-hands-5
"bad-hands-5" 是用來避免生成出畫得不好的手部,"bad-hands-5" 是一種有用的工具,可以幫助使用者更精確地控制 Stable Diffusion 的生成結果。
不希望出現的 ng_deepnegative_v1_75t
"Deep Negative V1.x" 是一種 Textual Inversion Embedding (TIE) 模型,由使用者 FapMagi 在 Civitai 平台上分享。這種模型的主要目的是在 Stable Diffusion 的生成過程中,用來排除一些不希望出現的元素。在這個情況下,"Deep Negative V1.x" 是用來避免生成出令人厭惡的圖像。
根據分享者的說明,"Deep Negative V1.x" 的訓練過程中使用了 DeepDream 算法,並且使用了 ImageNet-mini 數據集(隨機選取的 1000 張圖像)作為訓練數據。這個模型學習了什麼樣的圖像組合和顏色模式會讓人感到厭惡,包括錯誤的人體解剖學、冒犯的色彩方案、上下顛倒的空間結構等。將它放在 Negative Prompts 中,可以有效地避免生成這些元素。
"Deep Negative V1.x" 提供了多種版本,包括 2T、4T、16T、32T、64T 和 75T,這些數字代表每個 token 的向量數量。其中,75T 版本被描述為最「易於使用」的嵌入,它從以特殊方式創建的準確數據集中訓練而來,幾乎沒有副作用,並且包含足夠的信息來覆蓋各種使用場景。然而,對於一些「訓練良好的模型」,它可能難以產生影響,變化可能微妙而不夠劇烈。
總的來說,"Deep Negative V1.x" 是一種有用的工具,可以幫助使用者更精確地控制 Stable Diffusion 的生成結果。
如果你喜歡這篇文章,不要忘記在下方留下你的評論,我們非常期待你的反饋。你的支持是我們創作的最大動力,請點擊收藏並按下愛心,表達你的喜愛和認可。同時,請點擊關注,以便你不會錯過任何一篇新的文章。最後,如果你覺得這篇文章可能對你的朋友或同事有所幫助,請不吝嗇地分享出去。我們非常感謝你的支持和分享!