增加訓練LoRA、LoCon模型的精準度 - Stable Diffusion

本教學使用Automatic 1111介面

deepbooru - Danbooru

　　在勾選「Use deepbooru for caption」時，有沒有想過什麼是「deepbooru」？其實這和Stable Diffusion訓練來源的圖片有很大的關係，也就是下列網站：

https://danbooru.donmai.us/ ＊未成年者請勿點入＊未成年者請勿點入＊未成年者請勿點入

　　而進行圖片預處理後，有沒有想過為什麼會生成.txt文字檔案？

　　其實只要打開生成的.txt，就會發現是和+Prompts類似的內容。換言之，預處理就是AI以圖片反推關鍵字的工序，而deepbooru的反推結果會套用Danbooru的關鍵字格式。

　　以下是兩張範例：

　　注意到了嗎？AI預處理產生的關鍵字「不太理想」。舉例而言，範例1的.txt沒有「狐狸」和背景的「薰衣草」，而且紅框圈起的「purple_sky」（紫色天空）根本不存在。

　　範例2的.txt問題就更多了，例如雙胞胎的眼睛和頭髮的顏色各只提供一種、完全沒提到衣服的顏色，以及最糟糕的「own_hands_together」（自己握自己的手）！

　　試想一下，如果就這樣直接交給AI訓練LoRA、LoCon模型，AI當然會產生「困惑」、進而算出「無厘頭」的結果－－不是因為AI笨，而是AI很忠實地遵照了荒謬的關鍵字！

參考Danbooru，修正文字檔的內容

　　這時就輪到https://danbooru.donmai.us/(*未成年者請勿點入)登場並充分運用英文知識的時候了。既然「deepbooru」生成了Danbooru格式的關鍵字，若要修正其內容，理所當然最好的方式就是去Danbooru尋找正確的關鍵字。

　　以範例1而言，我在該網站輸入「fox」搜尋結果，並點入了一張圖片：

　　紅框的部分除了「fox boy」不能用以外，其他都可以加入到範例1的.txt檔案中。參考了幾張有狐狸的圖片後，我將範例1的.txt內容調整如下：

animal_focus = 圖片中有動物角色

fox = 狐狸

animal_feet = 動物腳

yellow_eyes = 黃色/金色眼睛

flaming_eye = 單眼冒出火焰的特效，雙眼請用 flaming_eyes

fluffy = 蓬鬆毛茸茸

lavender_(flower) = 薰衣草花，直接沿用了Danbooru網站的關鍵字格式

　　我也遵照AI生成的關鍵字格式，單個關鍵字的空白以「_」取代（例：flaming_eye），不過使用訓練出來的LoRA、LoCon模型來生圖時，Prompts中直接使用空白即可。

以下是調整後的範例2的.txt內容：

Lu_Ashkol/Eye_Ashkol = 角色名字

*如訓練特定角色模型，以Danbooru格式輸入該角色的英文名會非常有助益。

child = 小孩

female_child = 小女孩 -- 千萬不要使用「loli」，除非想生成「壞壞」的圖片。

flat_chest = 平胸

multicolored_eyes = 多色眼睛

two-tone_hair = 雙色髮色

multicolored_hair = 多色髮色

streaked_hair = 挑染髮色

off-shoulder_shirt = 平口露肩上衣

frilled_sleeves = 摺邊袖

bare_shoulder = 露肩

shoulder_strap = 肩帶

collarbone = 鎖骨

bangs = 瀏海

interlocked_fingers = 十指交扣

推薦使用Danbooru的關鍵字

　　原本我想使用「gold_eyes」代表金色眼睛，但實際在Danbooru搜尋後發現找不到結果：

　　於是最後改用了yellow_eyes －－其實使用Stable Diffusion生圖時，包括網路上一些Prompts範例，其中不乏一些亂七八糟、有輸入有保佑的關鍵字。雖然因為這樣做的人很多、且AI還是有一定程度的「彈性」，所以也不乏瞎貓碰到死耗子的例子，但還是建議找關鍵字時首先來Danbooru搜尋，畢竟用這裡的關鍵字生成想要結果的機率會比較高。

　　祝大家激發潛藏已久的英文能力，心想「繪」成！

＊範例2的雙胞胎故事： 有興趣的話，歡迎前往KadoKado閱讀喔（自產自推）。