【玩转SD】概念提取法LECO，背景模糊lora实验

LECO的直译并不是概念提取，概念提取更多是我的个人意译。

LECO全称Low-rank adaptation for Erasing COncepts from diffusion models.

【资料图】

简单来说，通过Erasing Concepts from Diffusion Models（下称消除概念）的原理来把特定的tag从底模里学习到lora里面，来达到消除/增强特定概念的方法。

由于消除概念的原目的是消除大模型里面的特定概念，比如nsfw，所以通过LECO制作出来的lora，正向权重是消除概念，负面是增强概念，而负值可以去到-4~-8等等

消除概念的一些示例

我们可以看到第一列第二张图，在消除梵高的概念后，通过梵高tag，生成出来的图就和梵高的风格就完全不一样了，而消除其他艺术家，比如毕加索的风格，并没有影响到梵高tag生成的图，SLD是Safe Latent Diffusion，另一种避开nsfw的方法。更多的例子，更详细的解释看Ref.

而基于消除概念和conceptmod的启发，p1atdev魔改了lora训练的脚本，通过把消除的概念提取出来，让lora学习这个特定的概念，制作出消除了这个概念的lora，而Lora本身可以正向和负向操作，使用负值就可以增强这个被提取出来的概念，而且通过lora负值来增强概念。

相对于单纯的tag权重，lora由于学习到提取出来的概念的合集，可以让图片更多元化？

blur_background:2,4,6,8

blur_background, <lora:blur_background:-2>,

同样的参数，可以看到blur_background lora权重到达-6的时候会触发一个特写，这就是lora在学习过程中，因为blur_background产生的数据里面包含了特写的相关数据，所以在权重特别大的时候能触发出来（猜的）

负面tag: blur_background:2,4,6,8

<lora:blur_background:2>,

单说blur_background这个lora，比较推荐-6到正6的权重，正面权重可以不放blur_background来减少背景模糊的效果，负面权重可以放blur_background增强背景模糊效果。

那么是如何使用LECO来训练这个Lora的呢？

使用了p1atdev的LECO脚本（/p1atdev/LECO）

具体使用详见github，按照官方安装和配置就行了

一些官方的例子：

With "real life, instagram":

Without "real life, instagram":

其他

laksjdjf的sd-trainer在dev里面也添加了LECO工具，可以改善p1atdev的训练过程中生成数据导致速度比较慢的问题。

除了单一概念的提出，有想过在提取出来的概念里面加一点各种各样的氛围，比如模糊背景加一个克苏鲁风格，那是不是就可以产生克苏鲁风格的模糊背景？

组合各种各样的概念融合进行提取，产生各种有趣的效果lora。

看论文，研究脚本，训练lora，各种验证测试，还是花费了好几天的，

欢迎各位留言转发，

有能力的还可以给我充电支持一下，十分感谢。

有个AI群，欢迎各位加入一起研究进步。

Ref:

/p1atdev/LECO

/laksjdjf/sd-trainer/tree/dev

/

标签：