AI绘画——Three Delicacy Wonton (三餡馄饨Mix)模型

简介: AI绘画——Three Delicacy Wonton (三餡馄饨Mix)模型

怎么做三鲜馄饨Mix:

  1. 切一点金弘道 (https://civitai.com/models/11422/kimhongdo
  2. 拌一点墨心还有疏可走马 (https://civitai.com/models/12597/moxin)
  3. 刷一小点小人书, 就一小点给配风景 (https://civitai.com/models/18323/xiaorenshu)
  4. 都包在一个大皮子里边 (https://civitai.com/models/14734/store-bought-gyoza-mix)

要是味道不够强,在加点里边原料随你胃口。

,如果你喜欢这种风格,但希望它有更多的颜色。

描述:

我早期的 LoRA 混合模型 餃子混合.这个检查点将整个画面通过单色滤镜,让人联想到中国传统绘画中使用的水墨画风格的书法。它对树木和风景的影响非常大,叶子变成了墨迹,让人联想到书法画。角色不太重要,因此调整了调音比例以保留角色的动漫风格。

最初我打算把它命名为虾饺Mix,因为我喜欢虾饺子,但自从我添加了一点伢伢书LoRA后,我想我会让它更像上海式的(加上我昨天午餐吃了馄饨)。因此,三餡馄饨混合。

版本:

截至目前,有3个版本。Base,Anime和MSG.Base只是带有光滤镜的GyozaMix。接受 LoRA 是可以的.根据您的口味调味。服装和角色 LoRA 更兼容.味精版更像是水墨画。我基本上把洛拉的力量调高了,直到它看起来不再好看,然后从那里退后一步。风格效果非常强烈,但仍然具有可识别的说明性。动漫是我个人的最爱。它更美观地水墨画,包括所有内容,但也保留了所有水彩水墨艺术下的经典动漫风格特征。您可以在其上尝试样式 loras,但说实话,它不像基础那样通用,可能会崩溃。

使用说明:

我建议您在高降噪下使用潜在升频器时要小心。因为考虑到风格目标等,模型有点固执己见,在高降噪下,它往往会强烈拍摄,将其变成真正的中国水彩画,从而严重改变原始图像。

使用味精版,您需要提示真实感,否则水墨比华效果会太强。一个好的尝试风格是:

1. (ultra high res,photorealistic,realistic,best quality,photo-realistic),
2. (high detailed skin,visible pores),(real person,photograph),
3. (8k, raw photo, best quality, masterpiece)

要是你用商店卖的馄饨皮,还可以叫自制的吗?

实操演示(多图预警)

Picture One

 

 

Picture Two  

Picture Three

 

相关文章
|
27天前
|
机器学习/深度学习 人工智能 并行计算
"震撼!CLIP模型:OpenAI的跨模态奇迹,让图像与文字共舞,解锁AI理解新纪元!"
【10月更文挑战第14天】CLIP是由OpenAI在2021年推出的一种图像和文本联合表示学习模型,通过对比学习方法预训练,能有效理解图像与文本的关系。该模型由图像编码器和文本编码器组成,分别处理图像和文本数据,通过共享向量空间实现信息融合。CLIP利用大规模图像-文本对数据集进行训练,能够实现zero-shot图像分类、文本-图像检索等多种任务,展现出强大的跨模态理解能力。
74 2
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
当语言遇见智慧火花:GPT家族历代模型大起底,带你见证从平凡到卓越的AI进化奇迹!
【10月更文挑战第6天】随着自然语言处理技术的进步,GPT系列模型(Generative Pre-trained Transformers)成为该领域的明星。从GPT-1的开创性工作,到GPT-2在规模与性能上的突破,再到拥有1750亿参数的GPT-3及其无需微调即可执行多种NLP任务的能力,以及社区驱动的GPT-NeoX,这些模型不断进化。虽然它们展现出强大的语言理解和生成能力,但也存在如生成错误信息或偏见等问题。本文将对比分析各代GPT模型的特点,并通过示例代码展示其部分功能。
103 2
|
27天前
|
编解码 物联网 API
"揭秘SD文生图的神秘面纱:从选择模型到生成图像,一键解锁你的创意图像世界,你敢来挑战吗?"
【10月更文挑战第14天】Stable Diffusion(SD)文生图功能让用户通过文字描述生成复杂图像。过程包括:选择合适的SD模型(如二次元、2.5D、写实等),编写精准的提示词(正向和反向提示词),设置参数(迭代步数、采样方法、分辨率等),并调用API生成图像。示例代码展示了如何使用Python实现这一过程。
58 4
|
18天前
|
人工智能
AI科学家太多,谁靠谱一试便知!普林斯顿新基准CORE-Bench:最强模型仅有21%准确率
【10月更文挑战第21天】普林斯顿大学研究人员提出了CORE-Bench,一个基于计算可重复性的AI代理基准,涵盖计算机科学、社会科学和医学领域的270个任务。该基准旨在评估AI代理在科学研究中的准确性,具有多样性、难度级别和现实相关性等特点,有助于推动AI代理的发展并提高计算可重复性。
37 4
|
28天前
|
人工智能 自然语言处理
从迷茫到精通:揭秘模型微调如何助你轻松驾驭AI新热点,解锁预训练模型的无限潜能!
【10月更文挑战第13天】本文通过简单的问题解答形式,结合示例代码,详细介绍了模型微调的全流程。从选择预训练模型、准备新任务数据集、设置微调参数,到进行微调训练和评估调优,帮助读者全面理解模型微调的技术细节和应用场景。
64 6
|
1月前
|
人工智能 自然语言处理 安全
【通义】AI视界|Adobe推出文生视频AI模型,迎战OpenAI和Meta
本文精选了过去24小时内的重要科技新闻,包括微软人工智能副总裁跳槽至OpenAI、Adobe推出文本生成视频的AI模型、Meta取消高端头显转而开发超轻量设备、谷歌与核能公司合作为数据中心供电,以及英伟达股价创下新高,市值接近3.4万亿美元。这些动态展示了科技行业的快速发展和激烈竞争。点击链接或扫描二维码获取更多资讯。
|
1月前
|
机器学习/深度学习 人工智能 TensorFlow
解锁AI潜力:让开源模型在私有环境绽放——手把手教你搭建专属智能服务,保障数据安全与性能优化的秘密攻略
【10月更文挑战第8天】本文介绍了如何将开源的机器学习模型(如TensorFlow下的MobileNet)进行私有化部署,包括环境准备、模型获取与转换、启动TensorFlow Serving服务及验证部署效果等步骤,适用于希望保护用户数据并优化服务性能的企业。
50 4
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
揭开模型微调Fine-Tuning的神秘面纱:如何在预训练基础上巧妙调整,解锁定制AI解决方案的秘密武器
【10月更文挑战第8天】模型微调是在预训练模型基础上,利用特定领域数据进一步训练,以优化模型在特定任务上的表现。此方法广泛应用于自然语言处理和计算机视觉等领域,通过调整预训练模型的部分或全部参数,结合适当的正则化手段,有效提升模型性能。例如,使用Hugging Face的Transformers库对BERT模型进行微调,以改善文本匹配任务的准确率。
54 1
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
【AI大模型】BERT模型:揭秘LLM主要类别架构(上)
【AI大模型】BERT模型:揭秘LLM主要类别架构(上)
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
【AI大模型】ChatGPT模型原理介绍(下)
【AI大模型】ChatGPT模型原理介绍(下)