No.5

————————————————————————————————————————

Hyper-RAY XL 室内设计风格超市 LoRA — Green_Light_Mansion

文件名：Green_Light_Mansion.safetensors

----------------------------------------------------------------------

【此LoRA适用于 CADS2.0-Hyper-RAY XL 室内设计渲染系统】

训练底模使用的是：CADS2.0-Hyper-RAY XL 室内设计渲染系统（发电专享）

直达链接： https://www.liblib.art/modelinfo/a56ebacdba7d4e30b97bb124bc3fc28f

发电链接： https://afdian.net/a/AiARTiST-lib?tab=shop

模型清单： https://www.liblib.art/search?keyword=AiARTiST

免费模型占比 55% ，开源模型占比 95%

会员模型占比 40% ，闭源模型占比 5%

内置加速器 Accelerator：Hyper-SDXL | 快过闪电的设计渲染

----------------------------------------------------------------------

触发词 trigger words ：AiARTiST, Green_Light_Mansion

我的常用配置：

Clip Skip 1 / CFG 1 / Steps 10 / 采样方法 (Sampler) Euler a / VAE 自动

默认：640 x 1280 ，高清放大 1.5倍，高清重绘幅度0.5，重绘方式 Latent

因为最终构图尺寸足够，无需开启 ADetailer 修复。

常用参数 parameters

Green_Light_Mansion, modern interior design, residential space, natural lighting, wood flooring, abstract art, minimalist furniture, large windows, indoor-outdoor connection, greenery view, neutral color palette, wooden shelving, white walls, ceiling beams, contemporary, tranquil atmosphere.<lora:Green_Light_Mansion-0004:0.7>

Steps: 10, Sampler: Euler a, CFG scale: 1, Seed: 1612493184, Face restoration: CodeFormer, Size: 1280x1280, Model hash: c35e5599ff, Model: AiARTiST_HyperRAY_interior_design_selected, Denoising strength: 0.5, Hires upscale: 1.25, Hires upscaler: Latent, Lora hashes: "Green_Light_Mansion-0004: 773beb3e4ead", kohya_hrfix_enabled: True, kohya_hrfix_block_number: 3, kohya_hrfix_downscale_factor: 2, kohya_hrfix_start_percent: 0, kohya_hrfix_end_percent: 0.35, kohya_hrfix_downscale_after_skip: True, kohya_hrfix_downscale_method: bicubic, kohya_hrfix_upscale_method: bicubic, Version: f0.0.17v1.8.0rc-latest-276-g29be1da7

后期处理

Postprocess upscale by: 2, Postprocess upscaler: R-ESRGAN 4x+

提供部分训练概念例图，更多提示词清单请加VX群查看，实时更新

「建议直接使用样图提示词，然后根据需要增添修改细节词」

推荐lora权重：0.5~1，建议值 0.8

Hyper底模采样步数：10 CFG scale: 1，Clip Skip 1

Hyper底模采样方法：Euler A

推荐分辨率：任意分辨率

Hyper推荐分辨率：长边大于等于 1536

最终成片低于1080x1920 或 960x1920 不能完整体现出底模材质精度

可以分两步，文生图长边1024-1280，发送到图生图0.4-0.5重绘放大1.5倍

Hyper建议大尺寸直出，避免结构错误可安装kohya_hrfix 插件（Forge内置）

ComfyUI可使用HIDiffusion组件加速出图，并保持画面构图比例正确。

如果图片尺寸用于出版，可发送到「Tiled Diffusion」或「后期处理」扩大

图片后期处理高清化设置： 8x_NMKD-Superscale_150000_G 可叠加

4x-UltraSharp 或 R-ESRGAN 4x+ Anime6B

----------------------------------------------------------------------

ControlNetXL (CNXL)- A collection of Controlnet models for SDXL

适用于SDXL的 ControlNet 模型清单：（感谢大佬们，下载前请先行打赏）

重磅推荐 MistoLine — Control Every Line!

MistoLine 是一个可以适配任意类型线稿，准确性高，稳定性优秀的SDXL-ControlnetNet模型。它可以基于用户输入的任意类型的线稿图（手绘、各类controlnet-line preprocessor、模型线框轮廓等）作为条件，生成高质量图像（短边大于1024px），无需再根据不同线预处理器选择不同的controlnet模型，MistoLine在各类线稿条件下都有较好的泛化能力。

由TheMisto.ai (深圳混合元组科技有限公司) 训练，该模型适配目前除（PlaygroundV2.5以及CosXL）之外的大部分SDXL模型，可以配合LCM以及其他ControlNet模型一并使用。我们开源对应的模型权重文件供个人用户进行非商业性使用。

站内下载 mistoLine_rank256 版本： https://www.liblib.art/modelinfo/d1d7104c109948aead3d7c7b29e13aaf

中国（大陆地区）下载地址：

链接：https://pan.baidu.com/s/1DbZWmGJ40Uzr3Iz9RNBG_w?pwd=8mzs

引用

@misc{
      title={Adding Conditional Control to Text-to-Image Diffusion Models}, 
      author={Lvmin Zhang, Anyi Rao, Maneesh Agrawala},
      year={2023},
      eprint={2302.05543},
      archivePrefix={arXiv},
      primaryClass={cs.CV}
}

CVL-Heidelberg: canny | depth || destitech: inpaint || LEOSAM是只兔狲: inpainting model

h94: ip-adapter | ip-adapter-vit-h | ip-adapter-plus | ip-adapter-plus-face

S.ai: canny | depth | recolor | revision | sketch

NEW: ttplanet 汤团猪: tile-real v20 || thibaud: openpose | openpose-lora

---------------

这个集合致力于为SDXL创建一个方便的下载位置，下载当前所有可用的Controlnet模型，原始清单来自于贡献者。如果你是其中一个模型的作者，不希望它出现在这里，请联系我来解决这个问题。从这里开始，文件的命名方案遵循lllyasviel的命名方案 from here：（请关注cn作者的模型收藏清单）

https://hf-mirror.com/lllyasviel/sd_control_collection/tree/main

(不定期更新，欢迎留言补充，共建SDXL生态)

----------------------------------------------------------------------

测试问题请留言，本地运行版开源业务合作看个人首页 +V Zyuan980

AiARTiST | Metaverse 中国·山东数字人/AiGC/元宇宙方向

做好工具人服务艺术家联系方式：https://afdian.net/a/AiARTiST-lib

————————————————————————————————————————