DanTagGen-beta

项目概述

DanTagGen-beta是一个基于人工智能的图像标签生成器，其灵感来源于p1atdev的dart项目。这个项目采用了不同的架构、数据集、格式和训练策略，专门用于生成Danbooru风格的图像标签。

核心特点

DanTagGen-beta相比于alpha版本有了显著提升。它使用了更大的数据集（530万条数据）和更大的批处理规模，在提供少量信息的情况下也能展现出更稳定和更优秀的生成能力。

技术实现

该项目采用了基于LLaMA架构的400M参数模型（也被称为NanoLLaMA）。模型支持在任何LLaMA推理接口中使用，并提供了FP16 gguf模型以及量化后的8位/6位gguf模型版本。建议使用llama.cpp或llama-cpp-python来运行模型，这样可以获得较高的运行效率。

数据处理与训练

项目使用HakuBooru从danbooru数据库中导出数据，通过收藏数量百分位数对不同评级的数据进行筛选。beta版本使用了约530万条数据进行训练，经过10轮迭代，累计处理了约6-12B个标记。

使用方式

模型接受标准化的输入格式，包含以下字段：

• 评级（rating）
• 艺术家（artist）
• 角色（characters）
• 版权（copyrights）
• 宽高比（aspect ratio）
• 目标（target）
• 通用标签（general）

实际效果

通过实际案例测试，DanTagGen-beta在角色特征捕捉、细节丰富度和场景构图方面都表现出色。比如在生成赛马娘角色Vivlos和Daring Tact的标签时，beta版本能够准确把握角色特征，并提供更丰富的细节描述和更好的场景构建。

未来展望

项目团队正在开发Gradio用户界面，方便其他开发者调用API构建不同的应用。同时，还计划开发StableDiffusion的WebUI插件，进一步扩展项目的应用范围。

使用价值

这个项目对于AI艺术创作者和图像生成爱好者来说特别有价值，可以帮助他们更准确地生成符合预期的图像标签，提高AI作图的质量和效率。特别是在需要细致的角色特征和场景描述时，DanTagGen-beta能提供专业而全面的标签建议。