Deep Negative负向提示词集合

作者：	lenML
最后更新：	2023年1月20日
文件类型：	EMBEDDING
基本模型：	SD 1.5
tag标签：	动漫 negative 负面提示词 反向提示词
模型版本：	V1 75T
触发词：	ng_deepnegative_v1_75t

使用介绍

这个embedding更常用在真实系的模型中，官方解释是可以避免一些错误的构图和颜色模式，包括错误的人体解剖结构、不好看的配色方案、颠倒的空间结构等等。使用它可以让图像变得更加合理一些。

这个嵌入会告诉你什么是真正令人厌恶的🤢🤮

所以请把它放在negative prompt中😜

热门问答

• 如何使用TI模型？

https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Textual-Inversion

• 什么是负面提示？

https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Negative-prompt

[更新：230120] 它有什么作用？

这些嵌入了解什么是令人厌恶的构图和颜色模式，包括错误的人体解剖学、令人反感的配色方案、颠倒的空间结构等等。将其置于负面可以大大避免这些事情。

–

什么是2T 4T 16T 32T？

每个标记的向量数量

[更新：230120] 什么是64T 75T？

64T：在混合数据集上训练超过30,000个步骤。

75T ：嵌入限制最大尺寸，在特殊数据集上训练10,000步（由许多不同的sd模型和特殊逆向处理生成）

应该选择哪一个版本呢？

• 75T：最“易于使用”的嵌入，它是根据以特殊方式创建的准确数据集进行训练的，几乎没有副作用。并且它包含的信息足以涵盖各种使用场景。但对于某些“训练有素的模型”可能很难起作用而且，改变可能是微妙的，而且还不够剧烈。
• 64T：适用于所有型号，但有副作用。因此，需要进行一些调整才能找到最佳重量。推荐：[(NG_DeepNegative_V1_64T:0.9):0.1]
• 32T：有用，但太多了
• 16T：减少画出不良解剖结构的机会，但可能会画出丑陋的面孔。适合提升架构水平。
• 4T：减少绘制不良解剖结构的机会，但对光影有一点影响
• 2T：像T75一样“易于使用”，但只是一点效果

建议

因为这种嵌入是在学习如何创建恶心的概念，它无法准确地提高图片质量，所以最好与（worst quality, low quality, logo, text, watermark, username）这些负面提示一起使用。

当然，与其他类似的负嵌入一起使用是完全可以的。

工作如何？

我试图让SD了解deepdream算法真正令人厌恶的是什么，数据集是imagenet-mini（再次从数据集中随机选择1000张图像）

deepdream 真的很恶心🤮 而且训练这个模型的过程真的让我经历了身体不适😂