AI绘画——Lora模型Fake Van Gogh Style(让梵高来画二次元美少女?)

简介: AI绘画——Lora模型Fake Van Gogh Style(让梵高来画二次元美少女?)

模型简介

梵高画二次元美少女?我在做什么美梦

如你所见,这个lora基于梵高的画作进行训练(我并未在数据集中加入任何人像防止造成污染)

出人意料的是,这个lora在手部等细节上表现的相当好

而我简直要爱死这个质感了

玩的开心!

Van Gogh painting 2D beauty girls? What a crazy dream I'm having.

As you can see, this lora was trained on a Van Gogh painting (I didn't add any images to the dataset to prevent contamination)

Surprisingly, the lora is quite good in terms of details such as hands

And I simply love the texture

模型演示

正面tag

masterpiece,bestquality,1girl<lora:VG:0.8>,

负面tag

(worstquality,lowquality:1.4)bad-hands-5EasyNegative

图片

 

正面tag

1. masterpiece,bestquality,1girl,,<lora:VG:1>,solo,ahoge,aircraft,airplane,bird,cloud,cloudy_sky,
2. cross,crown,fighter_jet,
3. flying,gloves,grey_eyes,grey_sky,jet,long_hair,
4. looking_at_viewer,military_vehicle,outdoors,seagull,sky,
5. solo,wings<lora:Liv:0.8>,upperbody,

负面tag

(worstquality,lowquality:1.4)bad-hands-5EasyNegative

图片

相关文章
|
3天前
|
机器学习/深度学习 人工智能 算法
AI - 决策树模型
决策树算法起源于古希腊的逻辑推理,20世纪在军事策略研究中首次提出。它通过构建树形模型模拟决策过程,每个节点代表一个属性判断,分支代表可能结果。ID3算法基于信息增益,C4.5则引入信息增益率,解决了ID3偏好多值属性的问题,还能处理缺失值。CART决策树适用于分类和回归任务,使用基尼系数或信息增益来选择特征。在Python的`sklearn`库中,`DecisionTreeClassifier`实现决策树分类,通过参数如`criterion`、`max_depth`等控制模型。
|
3天前
|
机器学习/深度学习 资源调度 算法
AI-逻辑回归模型
逻辑回归是一种用于分类问题的统计模型,尤其适合二分类任务,如预测广告点击率、判断邮件是否为垃圾邮件、评估疾病风险和预测信用卡违约等。模型通过线性方程(logit函数)结合Sigmoid函数将结果映射到0到1区间,表示概率。损失函数通常使用交叉熵,优化时常用梯度下降。评估指标包括ROC曲线和AUC,后者衡量模型整体性能,值越接近1表示性能越好。在不平衡数据集上,可使用`class_weight='balanced'`来调整样本权重。
|
3天前
|
机器学习/深度学习 算法 大数据
AI-线性回归模型(二)
这篇内容介绍了梯度下降法在机器学习中的应用,特别是在线性回归中的角色。它是一种迭代优化算法,用于找到损失函数最小值的参数。全梯度下降(FGD)使用所有数据计算梯度,适合大数据但计算成本高;随机梯度下降(SGD)随机选取样本,速度快但可能收敛到局部最小值。随机平均梯度下降(SAG)结合两者的优点,提高收敛速度。评估线性回归模型的性能通常使用平均绝对误差、均方误差和均方根误差。文中还展示了波士顿房价预测案例,使用SGDRegressor进行训练,并讨论了学习率的影响。最后提到了如何使用`joblib`库保存和加载模型。
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型的核心成功因素通常可以归结为三大要素:大数据、大算力和强算法。
AI大模型的核心成功因素通常可以归结为三大要素:大数据、大算力和强算法。
13 0
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
AI大模型的核心
AI大模型的核心
11 0
|
5天前
|
人工智能 供应链 安全
AI预测区块链接技术未来
**区块链未来趋势摘要**: - 技术迭代优化,提升性能、安全,广泛应用于金融、供应链、医疗。 - 深度融合产业,扩展至智能合约、数字身份,全球化应用更均衡。 - 标准化规范化进程加速,国家与行业制定相应规则。 - NFT、元宇宙催生新应用,金融区块链受益于数字人民币发展。 - 市场规模预计2026年达163.68亿美元,中国年复合增速73%,潜力巨大。 - 多维度发展势头强劲,区块链将重塑信任与数字经济格局。
|
5天前
|
人工智能 供应链 算法
未来AI技术的革新与应用前景
随着人工智能(AI)技术的快速发展,未来的创新与应用前景变得更加广阔。本文探讨了AI技术在各个领域的应用,以及未来可能出现的革新,展望了AI技术对社会、经济和科技发展的深远影响。
|
2天前
|
存储 人工智能 自然语言处理
LLM技术全景图:技术人必备的技术指南,一张图带你掌握从基础设施到AI应用的全面梳理
LLM技术全景图:技术人必备的技术指南,一张图带你掌握从基础设施到AI应用的全面梳理
LLM技术全景图:技术人必备的技术指南,一张图带你掌握从基础设施到AI应用的全面梳理
|
1天前
|
人工智能 运维 Cloud Native
活动回顾丨云原生技术实践营 Serverless + AI 专场 (深圳站) 回顾 & PPT 下载
云原生技术实践营 Serverless + AI 专场 (深圳站) 回顾。
|
20小时前
|
人工智能 搜索推荐 安全
智能增强:AI技术在现代教育中的应用与挑战
随着人工智能(AI)技术的飞速发展,其在教育领域的应用也日益广泛。本文探讨了AI技术如何重塑教育行业,包括个性化学习、智能辅导系统、以及自动化评估工具的开发。同时,文章也指出了AI在教育中所面临的挑战,如数据隐私问题、教师角色的转变以及技术不平等现象。通过分析AI技术在教育中的利与弊,本文旨在为教育工作者和政策制定者提供洞察,以促进AI技术在教育领域中的健康发展。