💡
原文英文，约300词，阅读约需1分钟。
📝
内容提要
本文总结了对Flux-dev-de-distill、PixelWave v03和Verus Vision模型的Fine-Tuning和DreamBooth训练实验，使用了28张个人和28张道恩·强森的高质量图片。结果显示，Kohya GUI可用于Fine-Tuning，PixelWave v03不适合现实训练，而Flux-dev-de-distill和Verus Vision表现相近。后续将研究SD 3.5模型的最佳训练参数，并解决模型中的混合和类信息覆盖问题。
🎯
关键要点
- 对Flux-dev-de-distill、PixelWave v03和Verus Vision模型进行了Fine-Tuning和DreamBooth训练实验。
- 使用了28张个人和28张道恩·强森的高质量图片进行实验。
- Kohya GUI可用于Fine-Tuning，PixelWave v03不适合现实训练。
- Flux-dev-de-distill和Verus Vision表现相近，Flux-dev-de-distill略优。
- Flux-dev-de-distill存在混合和类信息覆盖问题，但相较于FLUX DEV官方模型有所减少。
- 后续将研究SD 3.5模型的最佳训练参数，并解决模型中的问题。
❓
延伸问答
Flux-dev-de-distill模型的Fine-Tuning效果如何？
Flux-dev-de-distill模型在Fine-Tuning中表现良好，略优于Verus Vision，但仍存在混合和类信息覆盖问题。
PixelWave v03模型适合进行什么类型的训练？
PixelWave v03模型不适合现实训练，容易过拟合。
在实验中使用了多少张图片？
实验中使用了28张个人图片和28张道恩·强森的高质量图片。
Kohya GUI在Fine-Tuning中有什么作用？
Kohya GUI可用于Fine-Tuning社区训练的模型，如Flux-dev-de-distill和Verus Vision。
未来的研究方向是什么？
未来将研究SD 3.5模型的最佳训练参数，并解决模型中的混合和类信息覆盖问题。
Flux-dev-de-distill与FLUX DEV官方模型相比如何？
Flux-dev-de-distill的质量接近FLUX DEV官方模型，但在多概念训练时不如FLUX DEV。
➡️
