Stable diffusion нагенерил сам очень длиннопост под катом еще The Undersiders Imp (worm) Regent (Worm) Bitch (Worm) Skitter (Worm) песочница Worm/Червь длиннопост нейронные сети Tattletale (Worm) Aisha Laborn Grue (Worm) Alec Brian Laborn Wildbow Rachel Lindt Lisa Wilbourn
После Александрии (https://joyreactor.cc/post/5490612) захотелось запилить и остальных персонажей. Для начала сгенерил Undersiders в цивильных одеждах, придерживаясь насколько получалось близко к оригинальному описанию. Промпты в самих файлах.
Картинок много (56), очень длиннопост, вас предупредили.
До кучи, печалит бардак в тегах. Я поставил каждому персонажу в качестве тегов имя в костюме с припиской (Worm) и гражданское имя, которые они сами активно используют в первой половине произведения, естественно, оригинальное. В плане имён собственных ни один существующий перевод лично меня полностью не устраивает.
Поехали в алфавитном порядке.
Aisha Laborn, в основном по описанию внешности из 6.3
Больших проблем доставили драные шорты, ну не любит их нейросеть, а рисовать сам я рукожоп. Примерно такие же проблемы с неоново-зелёными леггинсами сеточкой. Чёрные и всё тут.
Alec (фамилию, которую он использует вместе с этим именем в произведении не упоминают), собирательный образ из нескольких глав
Тут уже скорее были проблемы с возрастом. Видимо в датасетах для обучения не хватает долговязых смазливых мальчиков.
Brian Laborn, описание из 2.6
Хехе, фонарь на четвёртой вылез из-за токена lantern jaw.
Lisa Wilbourn (3.7)
Rachel Lindt, образ вновь собирательный, причём Рейчел не пытается всерьёз скрывать свою личность "в костюме", однако и однообразного строгого дресс-кода в костюме у неё тоже нет. Упомянутую в 1.5 юбку я не считаю неким постоянным атрибутом. По-моему, она даже плохо вписывается в образ.
Было довольно интересно прессовать нейросеть, чтобы выдала не очередную стройную красотку, а реалистичного томбоя. Причём не просто гипертрофированного мультяшного "мужика в юбке", а что-то что не находилось бы за гранью того, что можно встретить в реальной жизни.
Taylor Hebert. Здесь выбран образ на утренней пробежке, как наиболее "цивильный" или "гражданский", в противовес костюму "секретной личности"
Если у кого-то есть интересный запрос на персонажа (не обязательно из этой вселенной) - оставляйте подробное описание (свободным языком) в комментариях, возможно, мне тоже будет интересно и попробую сделать.
Alexandria (Worm) Stable diffusion нейронные сети Нейросетевые Барышни арт барышня art superhero длиннопост под катом еще нагенерил сам Worm/Червь
Alexandria в геройском костюме (до того как сменила визор на шлем). Промпт под катом.
tall_(muscular:1.3)_hispanic_woman with long_straight_black_hair is wearing black_costume with (image_of_tower_on_her_chest:1.4), (tower_shape ornament|emblem) on the covering costume, (skirt:1.1) and knee-high_boots and (elbow-length_gloves:1.1), very long wide_heavy_(cape:1.1)_is_flowing_over_shoulders is draped onto ground beside|behind her, (dark-tinted (visor:1.3) covering eyes:1.1), masterpiece, photorealistic, highres, high quality, octane render, cinematic lighting, soft shadow, depth of field, 4k, 8k, rtx, ray tracing, elegant, award winning photo, correct anatomy, human hands, intricate, high detail, full body, focus on the body, textured fabric, 1girl, female, dark sci-fi theme, dusk, urban outdoors, coastal city, (superhero:0.7)
Negative prompt: error, lowres, cropped, worst quality, low quality, normal quality, jpeg artifacts, blurry, image distortion, out of focus, out of frame, text, signature, watermark, oversaturated, grain, username, tiling, bad art, b&w, weird colors, duplicate, canvas frame, monochrome, black and white, poorly drawn, photoshop, primitive, surreal, pastel, bleak, bad anatomy, bad hands, missing fingers, extra digit, fewer digits, face distortion, obese, morbid, mutilated, extra fingers, poorly drawn hands, poorly drawn face, mutation, deformed, amputee, missing arms, missing legs, extra arms, extra legs, mutated hands, fused fingers, too many fingers, long neck, extra mouth, ugly mouth, disfigured, extra limbs, bad proportions, cloned face, ugly, gross proportions, malformed limbs, poorly drawn feet, cross-eye, body out of frame, kitsch, floating limbs, disconnected limbs, malformed hands, long body, disgusting, mangled, old, nsfw, erotic, visible eyes
Steps: 35-45
Sampler: DPM++ 2M Karras, Euler a
CFG scale: 10-13
Seed: разные
Size: 480x800
Models: R_ProtoGen_Infinity, ProtoGen_Dragon, ElldrethSLucidMix_v10, DeliberateXPHires upscale: 1.8, Hires upscaler: R-ESRGAN 4x+
Stable diffusion нейронные сети stable diffusion extensions длиннопост geek песочница
Color cutoff stable diffusion extension
Расширение, устанавливаемое на WebUI от Automatic1111, позволяющее жёстко привязать запрашиваемый цвет к указанному в промпте объекту. Наверняка замечали, что при запросе различных цветов для различных деталей нейросетка часто рисует указанные цвета где попало на изображении. Вот,например [a cute girl, white shirt with green tie, red shoes, blue hair, yellow eyes, pink skirt]
Волосы внезапно стали розовыми,несмотря на прямое указание их голубого цвета в промпте. А вот результат после подключения данного модуля (все прочие настройки, включая seed остались без изменения):
Нейросеть даже более бережно отнеслась к запросу, вставив таки туфли.Инструкция для установки и использования по шагам:
1. Запускаем нейросеть, открываем вкладку [Extensions] и подвкладку [Install from URL]. Туда вводим "https://github.com/hnmr293/sd-webui-cutoff" без кавычек. Жмём [Install], перезапускаем нейросеть (закрыть консоль и запустить заново).
2. Во вкладке новых text2image генераций вводим свой промпт, например [a cute girl, white shirt with green tie, red shoes, blue hair, yellow eyes, pink skirt] и прочие настройки, что вам нравятся.
3. Обращаем внимание, что после установки и перезапуска внизу вкладки text2image появилось дополнительное ниспадающее меню. Разворачиваем его, чекаем бокс [Enabled] и вводим цвета объектов, указанных в промпте, разделяя их запятыми. В примере выше это [white, green, red, blue, yellow, pink,]. Не забываем запятую после последнего токена, автор указывает, что она важна и без неё могут быть ошибки. Вес (weight) выкручиваем на максимум (2). Прочие детали пока не трогаем, поиграться с ними можно позднее, сам ещё не до конца разобрался.
4. Жмём волшебную кнопку генерации и наблюдаем результат.
ВАЖНО: дополнение создано преимущественно для анимешных моделей на базе SD 1.5. При попытке работать с ним на весах (моделях, чекпоинтах) на базе SD 2.0 и 2.1 результаты были менее впечатляющими.
Вот ещё пара картинок для сравнения. Слева картинка до включения дополнения, справа - с его использованием. Простите за кривую вёрстку, я рукожоп. Создано на Anything 3.0
#0 Give priority to colors, put them first and then everything else, 1girl, masterpiece... but without going overboard, remember tip #3.
Ставьте цвет в приоритете, помещайте его перед всем прочим, но не переборщите, помните про третий совет.
#1 The last Token of Target Token must have "," like this: [white, green, red, blue, yellow, pink,]
ATTENTION: For some people it works to put a comma at the end of the token, for others this gives an error. If you see that it has an error, delete it.После последнего токена в поле Target Token должна стоять запятая, как в примере: [white, green, red, blue, yellow, pink,]ВНИМАНИЕ: у некоторых работает нормально при помещении запятой в конец токена, а у некоторых выдаёт ошибку. Если у вас выскочила ошибка - удалите запятую.
#2 The color should always come before the clothes. Not knowing much English happened to me that I put the colors after the clothes or the eyes and the changes were not applied to me.
Описание цвета нужно ставить перед объектов в промпте. Не зная английского, я указывал цвет после упоминания одежды/глаз и изменения не применялись.
#3 Do not go over 75 token. It is a problem if they go to 150 or 200 tokens.
Не напихивайте больше 75 токенов (деталей промпта, разделённых запятыми). Большое количество токенов для дополнения сложновато.
#4 If you don't put any negative prompt, it can give an error.
Если не вводить негативный промпт, то может выскочить ошибка.
Ещё автор пишет, что эффективность дополнения 95%, однако, лично у меня результаты менее впечатляющие. Вероятно, это связано с тем, что автор предпочитает какую-то конкретную модель.