Veritas RR016 Final
最新版 EmoSens 世代 (四天王) で仕上げました、今回から EmoTion (オリジナル) 加入です
e-pred ＋ ZtSNR です(v-pred ではない) 粗削りのため｢誰にでも良いモデルではない｣と思います、最後の注意事項を読み適切にご対応ください
CFG：5 ですが７のほうがいいかも、Negative：もっと少なくてもいいかも、なのでいろいろお試しください
正直に言います、圧倒的質感です！幾何学的直交更新 EmoTion は、SDXLを進化します！
LoRA による更新でここまでできるとは思いませんでした、すごいじゃないか！
※ ちなみに｢幾何学的直交更新｣は"世界初"です(まさにオリジナルです)
なお emo系 optimizer は、どの学習ツールでも利用可能です、あなたもぜひお試しください (ツール側の対応によります／カスタム可能なツールであれば使用できます)
Veritas RR016
最新版 EmoSens (３姉妹) で仕上げました
e-pred ＋ ZtSNR です(v-pred ではない) 粗削りのため｢誰にでも良いモデルではない｣と思います、最後の注意事項を読み適切にご対応ください
CFG：5 ですが７のほうがいいかも、Negative：もっと少なくてもいいかも、なのでいろいろお試しください
Veritas RR000
illustrious v2.0 を EmoFact v3.6 により複数回の全層LoRAで仕上げました
e-pred ＋ ZtSNR です(v-pred ではない)、初の IL版 です、EmoFact なかなかいい感じ
粗削りのため｢誰にでも良いモデルではない｣と思います
ZtnV (e-pred ＋ ZtSNR) について
Zero Terminal SNR / Debiased Estimation を Kohya-Script にて使用しています
epsilon Prediction では発散するといわれますが emo系 は安全に進行します
つまり e-pred の高い汎化性と ZtSNR の広い色域を持つことが可能です
Flow-Matching(FM) との比較
これは Flow-Matching(FM) を超える可能性をもつ組み合わせかもしれません
FMは汎化性に乏しく学習はコピーに近いものになります(構造や色域も正確ですが)
しかし構造の正確度はむしろ Attention層 の多い少ない、これが本質でしょう
汎化性に優れ sampler の自由度を持つ e-pred こそ最適ではありませんか？
FMの弱点
FM方式は論文でこそ高精度高収束といわれますが実態として収束しづらいです
それはノイズに脆いためです、少しの揺れで破綻的になり出力結果も影響されます
(e-pred はそのノイズをつかって学習するためノイズこそ学習の源泉になります)
これから低精度･量子化の時代となります、これはノイズを多く含む学習です
FM方式はこのノイズが学習を妨げますので基本的に不整合となります
License
ライセンスについては元モデル illustrious v2.0 を継承します
しかし実験的optimizer emo系 による調整版のため使用時に注意が必要です
予期せぬエラー等を含む可能性があるためマージその他について慎重であるべきです
よって基本的に illustrious のライセンスを継承しつつ制限があるものとします
マージ等を行い公開した場合は以上の注意を明示するようお願いします