DPO (Direct Preference Optimization) LoRA for XL and 1.5 OpenRail++

Het beste voor beginners. Krachtige workflows, lage leercurve.

PirateDiffusion Telegram

Pro studio (SpyGlass) Web

Maak video's, afbeeldingen, aangepaste chatpersonages en meer.

Blader door modellen, render en verfijn vanaf elke browser of telefoon.

Discord bot (Vector)

Voeg Vector toe aan je server of sluit je aan bij de Vector Discord. Maak alles wat je wilt!

Unified Editor Web

Editor voor afbeeldingen en video: render, bewerk, schaal op en meer op één pagina.

Civitai Web

Betaal per gebruik

Genereer op Civitai's eigen site; elke afbeelding wordt betaald met Buzz-credits.

Lokale apps Lokaal

Installatie vereist

Installeer lokale programma's als je computer krachtig genoeg is.

ModelDuel Web

Betaal per gebruik

Genereer dezelfde prompt op maximaal 50 checkpoint-/basismodellen tegelijk.

Huur een GPU in de cloud

Graydient Cloud GPU

4,006 downloads · 113 likes op Civitai

Vast bedrag, onbeperkt gebruik. Dit model installeer je met één klik.

RunPod Cloud GPU

Per minuut afgerekend

Huur een GPU per minuut en stel het model zelf in.

Gemaakt door

enfugue

op Civitai

__html__What is DPO?DPO is Direct Preference Optimization, the name given to the process whereby a diffusion model is finetuned based on human-chosen images. Meihua Dang et. al. have trained Stable Diffusion 1.5 and Stable Diffusion XL using this method and the Pick-a-Pic v2 Dataset, which can be found at https://huggingface.co/datasets/yuvalkirstain/pickapic_v2, and wrote a paper about it at https://huggingface.co/papers/2311.12908.What does it Do?The trained DPO models have been observed to produce higher quality images than their untuned counterparts, with a significant emphasis on the…__html__What is DPO?DPO is Direct Preference Optimization, the name given to the process whereby a diffusion model is finetuned based on human-chosen images. Meihua Dang et. al. have trained Stable Diffusion 1.5 and Stable Diffusion XL using this method and the Pick-a-Pic v2 Dataset, which can be found at https://huggingface.co/datasets/yuvalkirstain/pickapic_v2, and wrote a paper about it at https://huggingface.co/papers/2311.12908.What does it Do?The trained DPO models have been observed to produce higher quality images than their untuned counterparts, with a significant emphasis on the adherence of the model to your prompt. These LoRA can bring that prompt adherence to other fine-tuned Stable Diffusion models.Who Trained This?These LoRA are based on the works of Meihua Dang (https://huggingface.co/mhdang) athttps://huggingface.co/mhdang/dpo-sdxl-text2image-v1 and https://huggingface.co/mhdang/dpo-sd1.5-text2image-v1, licensed under OpenRail++.How were these LoRA Made?They were created using Kohya SS by extracting them from other OpenRail++ licensed checkpoints on CivitAI and HuggingFace.1.5: https://civitai.com/models/240850/sd15-direct-preference-optimization-dpo extracted from https://huggingface.co/fp16-guy/Stable-Diffusion-v1-5_fp16_cleaned/blob/main/sd_1.5.safetensors.XL: https://civitai.com/models/238319/sd-xl-dpo-finetune-direct-preference-optimization extracted from https://huggingface.co/stabilityai/stable-diffusion-xl-base-1.0/blob/main/sd_xl_base_1.0_0.9vae.safe

Notities van de maker

What is DPO? DPO is Direct Preference Optimization, the name given to the process whereby a diffusion model is finetuned based on human-chosen images. Meihua Dang et. al. have trained Stable Diffusion 1.5 and Stable Diffusion XL using this method and the Pick-a-Pic v2 Dataset, which can be found at , and wrote a paper about it at . What does it Do? The trained DPO models have been observed to produce higher quality images than their untuned counterparts, with a significant emphasis on the adherence of the model to your prompt. These LoRA can bring that prompt adherence to other fine-tuned Stable Diffusion models. Who Trained This? These LoRA are based on the works of Meihua Dang () at and , licensed under OpenRail++. How were these LoRA Made? They were created using Kohya SS by extracting them from other OpenRail++ licensed checkpoints on CivitAI and HuggingFace. 1.5: extracted from . XL: extracted from These are also hosted on HuggingFace at

SHA256

D4EC63A436DBD20E5CAC4A3E9A1FD0C59FB2513018266252C4EE9EBEB5CE6762

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Populariteitstrend van DPO (Direct Preference Optimization) LoRA for XL and 1.5 OpenRail++

Heat score, laatste 12 maanden

Heat score

7,780°

Deze week

▲

0.1%

7,782° toen, 7,780° nu

Deze maand

▲

0.4%

7,787° toen, 7,780° nu

Afgelopen jaar

▲

8.0%

7,845° toen, 7,780° nu

7,000°

Basis

De schaal loopt van 0° tot 9.999°. Alles onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven. 7,000° is waar gemeten data begint: een model met echte data maar bijna geen downloads zit op de basis, en de metingen vullen de graden erboven. De basis zegt niets over het model; alleen de graden erboven doen dat, en die maken het verschil tussen modellen.

+1,080°

Civitai-downloads

4,006 downloads van deze exacte versie op Civitai. Downloads zijn het zwaarste ingrediënt en worden geteld op een logaritmische schaal: tien keer zoveel downloads voegt dezelfde 300° toe, dus een model met een miljoen downloads is niet duizend keer heter dan een met duizend. De zes downloadbronnen delen die ene term, verdeeld naar verhouding van hun aantallen.

+309°

Likes

113 likes en duimpjes omhoog over de bronnen heen. Een like weegt half zo zwaar als een download, op dezelfde logaritmische schaal.

−609°

Leeftijd

−609° omdat de SD15-gewichten uit 2022 komen. Elk model erft de leeftijd van de gewichten waarop het is gebouwd: 150° per jaar, tot 750°, en het blijft groeien tot die grens. Zonder dit zouden de top van de lijst checkpoints uit 2022 en 2023 zijn, puur op basis van downloads die jaren hadden om op te lopen.

Toon gedetailleerde uitsplitsing

Elk getal op deze site is te controleren. De heat-score van dit model is 7,780°, en hier wordt die stap voor stap opgebouwd, met de tussentijdse totalen na elke stap: de basis, de graden die elke bron toevoegt, de bonus voor het type model en wat de leeftijd van de gewichten eraf haalt. De kleuren zijn de banden van de grafiek hierboven. De woordenlijst achteraan legt elke term uit.

1
Begin bij de basis.
Waarom 7,000° en niet nul: de schaal loopt van 0° tot 9.999°, en het deel onder 7,000° is gereserveerd voor modellen waar nog geen bron over rapporteert, die daar een tijdelijke waarde krijgen zodat de lijsten compleet blijven en nooit hoger staan dan een model met data. 7,000° is waar gemeten data begint. Een model met echte data maar bijna geen downloads zit hier; alles wat volgt is meting, en de ruimte boven de basis bevat tien stappen van tien keer zoveel downloads, elk 300° waard. De basis is voor elk model hetzelfde, dus die zegt niets; de graden erboven wel.
7,000°
lopende totaal
2
Voeg de downloads toe.
4,006 download-equivalenten in totaal, van Civitai-downloads. Tien keer de downloads voegt dezelfde 300° toe, dus grootte telt mee maar bepaalt niet alles.
+1,080°
8,080°
lopende totaal
3
Voeg de likes toe.
113 likes en duimen omhoog, met de helft van het gewicht van een download.
+309°
8,389°
lopende totaal
4
Haal de leeftijd eraf.
De SD15 gewichten kwamen uit in 2022: 150° per jaar, tot maximaal 750°, groeiend tot dat moment.
−609°
7,780°
lopende totaal
=
De heat-score.
Waar dit model staat op elke lijst van deze site. Niets anders beïnvloedt dit.
7,780°

Woordenlijst: de gebruikte termen

Heat-score: Één getal voor hoe veel een model nu gebruikt en gewenst wordt, van 0° tot 9.999°. Elke lijst op deze site die zegt heetste is gesorteerd op deze score en niets anders.
Vloer: De 7.000° waar elk model met echte data mee begint. De schaal loopt van 0° tot 9.999°; het deel onder de vloer is gereserveerd voor plaatsvervangers (modellen zonder data), zodat een model met data altijd hoger scoort dan een zonder. De vloer is voor iedereen gelijk en beslist niets; de graden erboven zijn de meting.
Download-equivalenten: Alles wat de score als een download telt, bij elkaar opgeteld: downloads zelf, elke torrent seeder als 1.000, elke AI Horde-afbeelding en elke run op een generatie-site als één.
Logaritmische schaal: Tellen per tien, niet per één: van 1.000 naar 10.000 downloads voegt evenveel graden toe als van 10.000 naar 100.000. Zo verdringen grote spelers niet alles.
Likes: Duimen omhoog en likes van elke bron, elk de helft van een download waard op de log-schaal.
Adoptiesnelheid: Hoeveel downloads een model nu per dag krijgt, uit het verschil tussen twee metingen van een bron. Een kwart van het gewicht van de downloadterm.
Gemeten en geschat: Gemeten betekent dat er twee metingen van een bron zijn en het verschil echt is. Geschat betekent dat alleen het totaal van vandaag bekend is en het verleden over de levensduur van het model wordt verdeeld; de site geeft aan welke het toont.
Seeder: Iemand die een kopie van de gewichten online houdt zodat anderen die via een torrent kunnen downloaden, of een gehoste mirror die hetzelfde doet. Elk telt als 1.000 downloads.
AI Horde: Een vrijwilligersnetwerk dat gratis beelden genereert op gedoneerde computers. Het aantal beelden dat het met een model heeft gemaakt is openbaar, en elk telt als één download.
Generatiesites: Sites die hun eigen kopieën van een model hosten en mensen laten genereren, zoals PixAI, SeaArt en Yodayo. Hun downloads tellen net als die van Civitai en elke generatie telt als één download.
OpenRouter tokens: Een tekstmodel dat via een API wordt aangeboden, zoals Claude of GPT, heeft geen gewichten om te downloaden, dus het gebruik wordt gemeten in tokens: de tekststukken die het las en schreef via OpenRouter, een gateway die veel apps gebruiken, in de afgelopen 30 dagen. Elke 10,000,000 tokens telt als één download. Bron: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Volledig model (checkpoint): De gewichten zelf, het bestand dat zelfstandig genereert. Het krijgt een bonus omdat add-ons ervan afhangen.
LoRA en embedding: Kleine add-on bestanden die iemands gewichten sturen naar een stijl, een personage of een concept. Ze kunnen niet zelfstandig draaien.
Familie en gewichten: De basis waarop een model is gebouwd, zoals SD 1.5, SDXL, Flux of Wan. Elk model erft de releasedatum van de gewichten van zijn familie.
Leeftijd: Graden afgetrokken voor hoe lang geleden de gewichten van de familie uitkwamen: 150° per jaar, tot 750°. Het houdt oude downloads die jaren hadden om op te lopen door de top van de lijst te bevriezen.
Familie boost: Een kleine, begrensde duw voor LoRA's van een familie die deze site nu naar voren schuift, altijd vermeld in de uitsplitsing.
Stand-in score: Een stabiel getal onder de vloer gegeven aan een model waar nog geen bron over rapporteert, zodat lijsten compleet blijven. Het staat nooit hoger dan een model met data.
Nieuw! (gratieperiode): Een model dat minder dan 7 dagen oud is, toont Nieuw! in plaats van een score en neemt geen plaats in de ranglijst in. De score wordt vanaf dag één berekend, maar een model van één dag oud groeit sneller dan wat dan ook, dus zonder de wachttijd zou de #1 van de week altijd het model zijn dat gisteren uitkwam in plaats van wat een week standhield.
Trend: Hoe de groei van een model over een periode zich verhoudt tot de typische groei van een model over dezelfde periode. Sneller dan typisch betekent stijging, langzamer betekent daling.
Typisch model: Het midden van de catalogus: de helft van de modellen met een cijfer groeide sneller over de periode, de andere helft langzamer.

Hoe de populariteit van dit model zich verhoudt tot de rest van de catalogus: de groei in downloads, likes en gebruik per periode, gemeten ten opzichte van de typische groei van modellen in dezelfde periode, met de heat score op dat moment. Boven de typische groei betekent stijging, eronder daling. Het verleden wordt herbouwd vanuit de huidige totalen, de eerste dag van het model en de gemeten downloadsnelheid als er twee metingen zijn; een model dat er aan het begin van een periode nog niet was, toont n.v.t.

Voorbeeldrenders

Prompts en instellingen gedeeld door de mensen die deze renders op Civitai maakten. Kies een render om te zien hoe hij is gemaakt.

Deze prompt ophalen

Render by Sajrep on

Instellingen

Sampler

LMS

Stappen

Guidance

Seed

987610379621410

Formaat

512x512

Prompt

cute slime girl, happy, wearing heavy armor, chainmail, green, slime, glowing, bones, looking at viewer, side view, detailed background <lora:Hyper-SD15-8steps-lora:0.75> <lora:sd_v15_dpo_lora_v1:0.5> <lora:spo-sd-v1-5_4k-p_10ep_lora_webui:0.5>

Render by Sajrep on

Instellingen

Sampler

LMS

Stappen

Guidance

Seed

345043061657583

Formaat

512x512

Prompt

Sonic the Hedgehog, bloody, blood, injured, staggering, grinning, determined, surrounded, detailed, hyperdetailed <lora:Hyper-SD15-8steps-lora:0.75> <lora:sd_v15_dpo_lora_v1:0.75> <lora:spo-sd-v1-5_4k-p_10ep_lora_webui:0.25>

Render by Sajrep on

Instellingen

Sampler

DPM++ 2M

Stappen

Guidance

7.5

Seed

556051207637958

Formaat

512x512

Prompt

feral sylveon, angry, barking, dangerous, angular, intimidating, moon, destruction, moonbeam, energy beam from the moon, glitter, realistic detailed fur <lora:sd_v15_dpo_lora_v1:1.0> <lora:spo-sd-v1-5_4k-p_10ep_lora_webui:1.0>

Negatieve prompt

embedding:deformityv6, embedding:boring_e621_fluffyrock_v4

Render by Sajrep on

Instellingen

Sampler

DPM++ 2M

Stappen

Guidance

7.5

Seed

556051207637958

Formaat

512x512

Prompt

ankha cat, detailed fur <lora:sd_v15_dpo_lora_v1:1.0> <lora:spo-sd-v1-5_4k-p_10ep_lora_webui:1.0> <lora:more_details:2.0>

Negatieve prompt

embedding:deformityv6, embedding:boring_e621_fluffyrock_v4

Render by Sajrep on

Instellingen

Sampler

DPM++ 2M

Stappen

Guidance

Seed

345043061657583

Formaat

512x512

Prompt

anthro, umbreon, female, drummer, drumming, (white tank top:1.2), grinning, energetic, motion, beating, dramatic lighting, cinematic, realistic detailed fur, photorealistic, viewed from below, (music notes:1.1) <lora:Hyper-SD15-12steps-CFG-lora:1.0> <lora:sd_v15_dpo_lora_v1:0.75> <lora:spo-sd-v1-5_4k-p_10ep_lora_webui:0.25>

Render by Sajrep on

Instellingen

Sampler

DPM++ 2M

Stappen

Guidance

Seed

345043061657584

Formaat

512x512

Prompt

(manga:1.3), monochrome, feral, pegasus, Rainbow Dash, standing, shouting, serious, hooves, low angle view, dutch angle, cinematic <lora:Hyper-SD15-12steps-CFG-lora:1.0> <lora:sd_v15_dpo_lora_v1:0.75> <lora:spo-sd-v1-5_4k-p_10ep_lora_webui:0.25>

Render by Sajrep on

Instellingen

Sampler

DPM++ 2M SDE

Stappen

Guidance

Seed

345043061657583

Formaat

512x512

Prompt

anthro, pegasus, Rainbow Dash, wings, hooves, sport clothes, sitting on cloud, mlp, light blue fur, detailed fur, sunny <lora:Hyper-SD15-8steps-lora:0.75> <lora:sd_v15_dpo_lora_v1:0.75> <lora:spo-sd-v1-5_4k-p_10ep_lora_webui:0.25>

Render by Sajrep on