This LoRA was primarily trained on images with resolutions ranging from 1024 to 1400.Its key features include enhancing under-layer coloring (hidden colors), subsurface scattering (SSS), brushstroke textures, and intricate patterns. Because it covers a broad spectrum rather than a single element, relying solely on the trigger word will only bring out some common characteristics shared among the dataset. To unlock more diverse effects, you will need to utilize descriptive prompting. However, these combinations are difficult to list exhaustively, as mixing them can yield vastly different reactions. Therefore, the actual effects are demonstrated through the sample images. Some of these samples also utilize modified, high-quality prompts from Civitai.For generation settings:<ul><li>To achieve better brushstroke textures (Recommended): <code>Steps: 30</code> (Required) | <code>Sampler: er_sde</code> | <code>Scheduler: bong_tangent</code></li><li>To retain the color effects while minimizing brushstrokes and excessive color blending: <code>Steps: 24</code> | <code>Sampler: er_sde</code> | <code>Scheduler: sgm_uniform</code></li></ul>Using the trigger word on its own won't fully showcase the LoRA's potential, but it minimizes disruption to the base model's core contents (such as specific characters or outfits). If you have any thoughts or feedback, please feel free to leave a comment! ---------------------------------------------------------------------------- このLoRAは、主に1024〜1400解像度の画像を使用して学習されています。主な強化ポイントは、含み色（隠し色）、サブサーフェス・スキャッタリング（次表面散乱/SSS）、筆跡（ブラシアート）のテクスチャ、そして模様・パターンです。カバーしている範囲が単一の要素ではないため、トリガーワードのみの使用では素材に共通する一部の特徴しか再現されません。より詳細な効果を引き出すには、関連するプロンプト（記述）を組み合わせる必要があります。ただし、これらは一々列挙するのが難しく、組み合わせによって全く異なる反応を示すため、実際の一連の効果はサンプル画像にて展示しています。なお、一部のサンプル画像には、Civitaiで公開されている優れたプロンプトを改変して使用しています。生成設定について：<ul><li>より優れた筆跡テクスチャを得たい場合（推奨）： <code>Steps: 30</code>（必須） | <code>Sampler: er_sde</code> | <code>Scheduler: bong_tangent</code></li><li>色彩効果は欲しいが、筆跡や過度なグラデーション（色の変化）を抑えたい場合： <code>Steps: 24</code> | <code>Sampler: er_sde</code> | <code>Scheduler: sgm_uniform</code></li></ul>単一のトリガーワードだけでは効果を完全に引き出すことはできませんが、その分、ベースモデルが持つ本来の内容（キャラクターや衣装など）への影響（破綻）を最小限に抑えることができます。何かアイデアやご意見がありましたら、お気軽にコメントを残してください。 ---------------------------------------------------------------------------- 이 LoRA는 주로 1024 ~ 1400 해상도의 이미지를 사용하여 학습되었습니다.주요 강화 요소는 밑색(숨은 색), 서브서프에스 스캐터링(지하표면 산란/SSS), 붓터치 질감, 그리고 문양입니다. 커버하는 범위가 단일 항목이 아니기 때문에, 트리거 워드만 사용하면 데이터셋의 공통적인 특성 중 일부만 발현됩니다. 더 다양한 효과를 얻으려면 관련 서술(프롬프트)을 함께 사용해야 합니다. 하지만 이러한 조합을 일일이 열거하기 어렵고, 서로 조합되었을 때 완전히 다른 반응을 보이기 때문에 구체적인 효과는 예시 이미지를 통해 확인하실 수 있도록 준비했습니다. 일부 예시 이미지는 Civitai 사이트의 우수한 프롬프트를 수정하여 사용했습니다.생성 설정 가이드:<ul><li>더 좋은 붓터치 질감을 얻고 싶을 때 (권장): <code>Steps: 30</code> (필수) | <code>Sampler: er_sde</code> | <code>Scheduler: bong_tangent</code></li><li>색감 효과는 가져가되, 붓터치와 과도한 색상 전이(그라데이션)를 피하고 싶을 때: <code>Steps: 24</code> | <code>Sampler: er_sde</code> | <code>Scheduler: sgm_uniform</code></li></ul>단일 트리거 워드만으로는 효과를 온전히 다 발현하기 어렵지만, 대신 베이스 모델의 고유 콘텐츠(캐릭터나 의상 등)에 대한 왜곡이나 파괴를 최소화할 수 있습니다. 좋은 아이디어나 의견이 있으시면 언제든지 댓글로 남겨주세요! ---------------------------------------------------------------------------- 此LoRA模型主要使用解析度在1024到1400之間的影像進行訓練。關鍵強化因素包括基礎顏色（隱藏顏色）、次表面散射（SSS）、筆觸紋理和圖案。由於涵蓋的範圍並非單一項目，僅使用觸發詞只能產生資料集的部分常見特徵。為了獲得更廣泛的效果，您必須結合使用相關的描述（提示）。然而，很難逐一列出所有組合，而且由於它們組合起來會產生完全不同的響應，我們準備了一些示例圖像，以便您可以驗證具體效果。部分範例圖像是透過修改Civitai網站上的優秀提示而創建的。產生設定指南：當您想要獲得更好的筆觸紋理時（建議）：步驟：30（必要）| 取樣器：er_sde |調度器：bong_tangent當您想保留色調效果但避免筆觸和過多的顏色過渡（漸變）時：步驟：24 | 取樣器：er_sde | 調度器：sgm_uniform雖然僅憑一個觸發詞很難完全發揮效果，但它可以最大限度地減少對基礎模型獨特內容（例如角色或服裝）的扭曲或破壞。如果您有任何好的想法或意見，請隨時在評論區留言！ ---------------------------------------------------------------------------- 此LoRA模型主要使用分辨率在1024到1400之间的图像进行训练。关键强化因素包括基础颜色（隐藏颜色）、次表面散射（SSS）、笔触纹理和图案。由于涵盖的范围并非单一项目，仅使用触发词只能产生数据集的部分常见特征。为了获得更广泛的效果，您必须结合使用相关的描述（提示）。然而，很难逐一列出所有组合，而且由于它们组合起来会产生完全不同的响应，我们准备了一些示例图像，以便您验证具体效果。部分示例图像是通过修改Civitai网站上的优秀提示而创建的。生成设置指南：当您想要获得更好的笔触纹理时（推荐）：步骤：30（必需）| 采样器：er_sde |调度器：bong_tangent当您想保留色调效果但避免笔触和过多的颜色过渡（渐变）时：步骤：24 | 采样器：er_sde | 调度器：sgm_uniform虽然仅凭一个触发词很难完全发挥效果，但它可以最大限度地减少对基础模型独特内容（例如角色或服装）的扭曲或破坏。如果您有任何好的想法或意见，请随时在评论区留言！ ----------------------------------------------------------------------------

Files with SHA256: 2a63b07d82dfdc6c320dc2746ea099cef55d79a6b4c6cd6a0b6b8ee256526e51