[负向LoRA] EasyFix [Negative LoRA] SDXL

模型简介：
输入你的否定提示：
<lora:EasyFix:1>（过度拟合样式：1.0）
EasyFix是一个负面 LoRA，使用 CivitAI 生成的 AI 图像进行训练，这些图像表现出极度过度拟合。此 LoRA 可提高生成的图像质量，而无需对任何 SDXL 模型进行任何重大的风格更改。

建议强度：1 至 16

重要提示：调整（过拟合样式：1.0）的强度，使其大于 LoRA 的强度

什么是过度拟合？
根据 IBM 的说法（来源：https://www.ibm.com/topics/overfitting），“过度拟合是数据科学中的一个概念，当统计模型与其训练数据完全吻合时就会发生这种情况。当这种情况发生时，算法很不幸无法准确地处理未见过的数据，从而无法达到其目的。将模型推广到新数据最终使我们能够每天使用机器学习算法来预测和分类数据。 ”

稳定扩散中的过度拟合是什么样的？
重复的图案、无意义的细节、小点、奇怪的伪影、面部瑕疵……等等。如果您查看 AI 生成的图像并看到一些毫无意义的奇怪细节，则该图像很有可能出现过度拟合的迹象。

过度拟合是一种美学
审美吸引力是主观的，因此如果您喜欢 Stable Diffusion 擅长制作的极其详细的图像，请不要将此模型视为对您个人品味的攻击！请使用 EasyFix 进行 A/B 比较，然后自行判断哪个更好。

避免过度拟合
在图像生成中：

提示更简单，负面提示最少。如果需要，降低 CFG 规模。

在培训中：

我最终会为高级用户编写一份关于如何训练 LoRA 的简短指南，敬请关注。AI_Characters 有一份关于训练方法的出色指南（请参阅：“评估你的模型”）https://civitai.com/articles/1771

方法
从 CivitAI 收集显示过度拟合的标记 AI 生成图像（使用https://github.com/hassan-sd/civitai-image-scraper）。图像应大于最小尺寸 768x768。

从标题中删除所有括号和注意力强度。（例如，“（（cute dog:4））”变为“cute dog”）。删除所有与质量相关的标签（例如“杰作、最佳质量、疯狂细节”）。在每个单词的开头添加一个触发词，如“overfit style”。

对图像进行训练并在训练时生成 A/B 比较图像以节省以后的时间。

测试提示词和参数：
prompt:
ganyu \(genshin impact\), outdoors, blue hair, purple eyes, onsen, goat horns, 1girl, long hair, white bikini

Negative prompt:
<lora:EasyFix:1> (overfit style:10.0)

Steps: 66, Size: 832x1280, Seed: 940974489, Score: 5.6, Script: X/Y/Z plot, X Type: Prompt S/R, Version: v1.6.0-127-g102b6617, Sampler: Restart, CFG scale: 5, Model hash: e6bb9ea85b, CFG Rescale phi: 0, 1> (overfit style: 10.0),"