CLIP modelを変更するとseed等の数値が全て同じでも別の画像
というか画風が結構変わることがわかりました
なので今回はCLIP model毎の違いをまとめてみました
ついでにステップとスケールの最小から最大までの違いも試してみました
正直最小は使う必要は無いです
条件
まずは今回使う画像の条件から
masterpiece, best quality, masterpiece,Face close-up,a girl ,beautiful face,moist eyes,black short hair,Tears,middy uniform,Embarrassed
Negative Prompt/lowres, bad anatomy, bad hands, text error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts,signature, watermark, username, blurry, artist name,fat- Sampling Steps:28
- Sampling method:Euler
- CFG Scale:12
CLIP model毎の違い
１～９までは結構好みなのかなって感じですけど
10～12は何だか全然違う画像になりましたね
text的には１～５までは割と正確なんですけど
それ以降はちょっと無視されています
なので基本的に１～５までを使って画像を生成するのが良いかもしれません
個人的には３と４が好きですね
ちなみに良く見かける画像のテイストに近いのは２が１番多いと思います
Sampling Steps
次はSampling Stepsの違いを比べてみます
- 最小：１
- デフォルト：２０
- 最大：１５０
僕がよく使うのが３０前後ですね
大体２０～１１０くらいが良いと言われています
今回は上３つを比べてみました
ちなみにCLIP modelは３です
1は流石に論外ですけど２０と１５０でそこまでの違いが無いかなって気がします
確かによく見ると１５０の方が解像度が高いと言うかキレイなんですけど
かかる時間を考えるとちょっと微妙かなって感じです
まあでも２０はちょっとかすれ過ぎですかね
高ければ良い画像が必ず出来る訳でもありませんからこの辺のチョイスは難しいですね
CFG Scale
次はCFG Scaleの違いです
- 最小：１
- デフォルト：７
- 最大：３０
Sampling Stepsは２８
CLIP modelは３です
こちらは７～１２程度が良いらしいです
やはり１はダメみたいですね
７と３０だと確かに３０の方が色々と書き込みが多い感じがします
ただ個人的には結構７ぐらいのほうが好きだったりします
まあこの辺も好みですかね
ただ無理に最大値の３０で作る必要は無いかなって思いました
おまけ
今回使った画像でseedを固定すると結構遊べます
例えばOpen mouthを追加してみると
こんな感じになります
元の画像と比べるてそこまで変化が無い画像が出力出来ます
ただもっと視点を下げようとすると
ちょっと違う人物になってしまいますね
この辺りが課題かなって感じです
ポーズや表情を変えなければ衣装差分のような画像は作れます
あとがき
同じseed値を使ってもクリップやスケール等を変えると全然違った画像になるので
色々試してみると面白いと思います
ただ全く同じ人物をポーズや視点を変えて出力するのはseed値を固定していても難しいです
たまに似たような人物の画像が出来ることもありますけどね
現状は服装を変更するくらいですね
こんかいはここまでです
以上