본문 바로가기
비즈니스 링크

Stable Diffusion AI 사용법 로라 Lora / VAE 적용하기

by canto7 2023. 4. 24.
728x90
반응형

 

Stable Diffusion AI 모델 적용하기

대규모 모델에서 고품질 샘플을 생성할 수 있도록

Stable Diffusion에서 사용되는 기술입니다.

훈련 중 특정 지점에서 모델의 상태를 저장하여 작동하므로

대형 모델에서도 고품질 샘플을 생성할 수 있습니다.

Checkpoint는 복잡한 데이터 분포에서 고품질 샘플을 생성하는 데 필수적입니다.

 

 

 

로라 Lora 적용하는 방법은?

Lora(Local Receptive Fields)는 복잡한 데이터 분포에서

샘플링의 효율성을 향상시키기 위해 스테이블디퓨젼에서 Stable Diffusion에서 사용되는 기술입니다.

계층 구조를 사용하여 데이터의 확률 분포를 모델링하여

대형 모델에서 고품질 샘플을 생성할 수 있습니다.

Lora는 Stable Diffusion의 효율성을 향상시키고

Stable Diffusion에서 Lora를 사용하는 방법은 다음과 같습니다.

  1. 적용하고자하는 Lora 데이터를 받는다.
  2.  https://civitai.com/models/8484/yae-miko-or-realistic-genshin-lora
  3. 구글 드라이브의  sd/stable-diffusion-webui/models/Lora 아래의 폴더에 파일을 넣는다.
  4. Stable Diffusion로 돌아와서 Generate밑에 show extra networks를 누른다. 
  5. 원하는 Lora탭으로 이동해서 원하는 Lora 데이터를 선택한다.
 

Yae Miko | Realistic Genshin LORA - YaeMiko-Mixed | Stable Diffusion LoRA | Civitai

Realistic Yae Miko from Genshin Impact. All samples generate with Ulzzang-6500 " embeddings, " vae-ft-mse-840000" VAE. For everyone: I am not using...

civitai.com

 

 

VAE 를 Stable Diffusion에서 사용하는 방법?

VAE 또는 Variational Autoencoder는 Stable Diffusion에서

데이터 분포의 잠재 공간을 학습하는 데 사용되는 기술입니다.

입력 데이터를 저차원 공간으로 인코딩하여

복잡한 데이터 분포에서 고품질 샘플을 생성할 수 있습니다.

VAE는 데이터 분포의 잠재 공간을 학습하고

고품질 샘플을 생성하는 데 필수적입니다.

 

Stable Diffusion에서 VAE를 사용하는 방법

  1. 적용하고자하는 VAE 데이터를 받습니다.
  2.  https://huggingface.co/stabilityai/sd-vae-ft-mse-original/tree/main
  3. 구글 드라이브에서 sd/stable-diffusion-webui/models/VAE 아래의 폴더에 파일을 넣습니다.
  4. Stable Diffusion로 돌아와서 Settings탭을 누릅니다.
  5. 왼쪽메뉴에서 "Stable Diffusion"을 누릅니다.
  6. SD VAE 메뉴를 찾아서 눌러서 다운로드 받은 VAE파일을 선택합니다.
 

stabilityai/sd-vae-ft-mse-original at main

 

huggingface.co


 

 

 

내셔널지오그래픽 NG N6901F 신상품 24인치 캐리어 여행 용 가방 센텔리안24 마데카크림 파워부스팅 포뮬러 50ml x 2p + 토닝에센스 트리트먼트 30ml x 2p, 1세트 동국 벨프리모 CL-100 아이크림 주름개선 미백, 4개, 40ml 피부미 센텔루션 시카 건성크림 3X, 100ml, 2개 일리윤 세라마이드 아토로션 무향, 528ml, 2개 일리윤 시카 트러블 클리어 바디 미스트, 1개, 200ml

"이 포스팅은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다."

728x90
반응형

댓글