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

Cel mai bun pentru începători. Fluxuri de lucru puternice, curbă de învățare redusă.

PirateDiffusion Telegram

Pro studio (SpyGlass) Web

Creează videoclipuri, imagini, personaje personalizate pentru chat și altele.

Răsfoiește modele, redă și rafinează de pe orice browser sau telefon.

Discord bot (Vector)

Adaugă Vector pe serverul tău sau alătură-te Discord-ului Vector. Creează orice!

Unified Editor Web

Editor pentru imagini și video: redă, editează, mărește și altele pe o singură pagină.

Civitai Web

Plătești pe utilizare

Generează pe site-ul Civitai; fiecare imagine se plătește cu credite Buzz.

Aplicații locale

Necesită configurare

Instalează programe locale dacă ai hardware potrivit pe calculator.

ModelDuel Web

Plătești pe utilizare

Generează același prompt pe până la 50 de modele checkpoint/base simultan.

Închiriază un GPU în cloud

Graydient Cloud GPU

4,006 descărcări · 113 aprecieri pe Civitai

Taxă fixă, utilizare nelimitată. Acest model se instalează cu un click.

RunPod Cloud GPU

Taxare pe minut

Închiriază un GPU pe minut și configurează modelul singur.

Creat de

enfugue

pe 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

Notele creatorului

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

Tendința de popularitate a DPO (Direct Preference Optimization) LoRA for XL and 1.5 OpenRail++

Scor de căldură, ultimele 12 luni

Scor de popularitate

7,780°

Săptămâna aceasta

▲

0.1%

7,782° atunci, 7,780° acum

Luna aceasta

▲

0.4%

7,787° atunci, 7,780° acum

Ultimul an

▲

8.0%

7,845° atunci, 7,780° acum

7,000°

Prag minim

Scara merge de la 0° la 9.999°. Tot ce este sub 7,000° este rezervat pentru modelele despre care nicio sursă nu raportează încă, care au un număr provizoriu acolo ca să rămână listele complete. 7,000° este punctul de start pentru datele măsurate: un model cu date reale, dar aproape fără descărcări, stă la prag, iar măsurătorile umplu gradele de deasupra. Pragul nu spune nimic despre model; doar gradele de deasupra îl diferențiază de alte modele.

+1,080°

Descărcări Civitai

4,006 descărcări ale acestei versiuni exacte pe Civitai. Descărcările sunt ingredientul cel mai important și sunt numărate pe o scară logaritmică: de zece ori mai multe descărcări adaugă același 300°, deci un model cu un milion de descărcări nu este de o mie de ori mai popular decât unul cu o mie. Cele șase surse de descărcări împart acest termen, proporțional cu numărul lor.

+309°

Apăsări de like

113 like-uri și aprecieri pe toate sursele. Un like valorează jumătate de descărcare, pe aceeași scară logaritmică.

−609°

Vârstă

−609° pentru că greutățile SD15 au fost lansate în 2022. Fiecare model moștenește vârsta greutăților pe care se bazează: 150° pe an, până la 750°, și continuă să crească până atunci. Fără asta, topul listei ar fi checkpoint-urile din 2022 și 2023 bazate pe descărcări acumulate în ani.

Arată detalii

Fiecare număr de pe acest site poate fi verificat. Scorul de popularitate al acestui model este 7,780°, iar aici este construit pas cu pas, cu totalul acumulat după fiecare ingredient: pragul minim, gradele adăugate de fiecare sursă, bonusul pentru tipul modelului și ce scade vârsta greutăților. Culorile sunt benzile din graficul de mai sus. Glosarul de la final definește fiecare termen.

1
Începe de la prag.
De ce 7,000° și nu zero: scara merge de la 0° la 9.999°, iar partea de sub 7,000° este rezervată modelelor despre care nicio sursă nu raportează încă, care au un număr provizoriu acolo ca să rămână listele complete și să nu depășească niciodată un model cu date. 7,000° este punctul de start pentru datele măsurate. Un model cu date reale, dar aproape fără descărcări, stă aici; tot ce urmează este măsurare, iar spațiul de deasupra pragului conține zece pași de zece ori mai multe descărcări, fiecare la 300°. Pragul este același pentru toate modelele, deci nu decide nimic; gradele de deasupra fac diferența.
7,000°
total curent
2
Adaugă descărcările.
4,006 echivalente de descărcări în total, de la Descărcări Civitai. De zece ori descărcările adaugă același 300°, deci mărimea contează, dar nu domină scorul.
+1,080°
8,080°
total curent
3
Adaugă aprecierile.
113 aprecieri și like-uri, la jumătate din greutatea unei descărcări.
+309°
8,389°
total curent
4
Scoate vârsta.
Greutățile SD15 au fost lansate în 2022: 150° pe an, până la 750°, crescând până atunci.
−609°
7,780°
total curent
=
Scorul de căldură.
Unde se situează acest model pe fiecare listă de pe site. Nimic altceva nu îl ajustează.
7,780°

Glosar: termenii folosiți aici

Scor de căldură: Un număr care arată cât de mult este folosit și dorit un model acum, de la 0° la 9.999°. Fiecare listă de pe site care spune „cele mai călduroase” este sortată după acest scor și nimic altceva.
Prag: 7.000° este punctul de start pentru orice model cu date reale. Scara merge de la 0° la 9.999°; partea de sub prag este rezervată pentru înlocuitori (modele fără date), ca să fie sigur că un model cu date e mereu mai sus decât unul fără. Pragul e același pentru toți și nu decide nimic; gradele de deasupra lui sunt măsurătoarea.
Echivalente descărcări: Tot ce scorul tratează ca o descărcare, adunat: descărcările în sine, fiecare seeder de torrent ca 1.000, fiecare imagine AI Horde și fiecare rulare pe un site de generare ca una.
Scară logaritmică: Se numără la zeci, nu la unități: trecerea de la 1.000 la 10.000 descărcări adaugă aceleași grade ca trecerea de la 10.000 la 100.000. Astfel, modelele mari nu acoperă tot ce e mic.
Aprecieri: Like-uri și aprecieri de oriunde, fiecare valorează jumătate dintr-o descărcare pe scara logaritmică.
Rata de adoptare: Câte descărcări pe zi primește un model acum, calculat din diferența dintre două citiri ale unei surse. Are un sfert din greutatea termenului de descărcare.
Măsurat și estimat: Măsurat înseamnă că există două citiri ale unei surse și diferența este reală. Estimat înseamnă că se știe doar totalul de azi, iar trecutul este împărțit pe durata vieții modelului; site-ul spune care dintre ele este afișat.
Seeder: Cineva care păstrează o copie a greutăților online pentru ca alții să le descarce prin torrent, sau o oglindă găzduită care face același lucru. Fiecare contează ca 1.000 de descărcări.
AI Horde: O rețea de voluntari care generează imagini gratuit pe calculatoare donate. Numărul de imagini create cu un model este public și fiecare contează ca o descărcare.
Site-uri de generare: Site-uri care găzduiesc propriile copii ale unui model și permit oamenilor să genereze cu el, cum ar fi PixAI, SeaArt și Yodayo. Descărcările lor contează ca cele de pe Civitai, iar fiecare rulare de generare ca o descărcare.
Tokeni OpenRouter: Un model de text servit printr-un API, cum ar fi Claude sau GPT, nu are greutăți de descărcat, deci utilizarea sa se măsoară în tokeni: bucățile de text citite și scrise prin OpenRouter, un gateway folosit de multe aplicații, în ultimele 30 de zile. Fiecare 10,000,000 tokeni contează ca un download. Sursa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model complet (checkpoint): Greutățile în sine, fișierul care generează singur. Primește un bonus pentru că depind de el add-on-urile.
LoRA și embedding: Fișiere mici add-on care direcționează greutățile altcuiva spre un stil, un personaj sau un concept. Nu pot rula singure.
Familie și greutăți: Baza pe care este construit un model, cum ar fi SD 1.5, SDXL, Flux sau Wan. Fiecare model moștenește data lansării greutăților familiei sale.
Vârstă: Grade scăzute în funcție de cât timp a trecut de când au apărut greutățile familiei: 150° pe an, până la 750°. Păstrează descărcările vechi care au avut ani să se acumuleze, blocând topul listei.
Boost de familie: Un mic impuls limitat pentru LoRA-urile unei familii pe care site-ul o promovează acum, întotdeauna listat în detaliu.
Scor de rezervă: Un număr stabil sub prag, dat unui model despre care nicio sursă nu raportează încă, ca listele să rămână complete. Nu se clasează niciodată peste un model cu date.
Nou! (perioadă de grație): Un model mai nou de 7 zile afișează Nou! în loc de scor și nu ocupă loc în clasamente. Scorul său este calculat de la prima zi, dar un model de o zi crește mai rapid decât orice altceva, deci fără această așteptare, modelul #1 al săptămânii ar fi întotdeauna cel apărut ieri, nu cel care a rezistat o săptămână.
Tendință: Cum se compară creșterea unui model într-o perioadă cu creșterea tipică a unui model în aceeași perioadă. Mai rapid decât tipicul înseamnă creștere, mai lent scădere.
Model tipic: Mijlocul catalogului: jumătate dintre modele cu o cifră au crescut mai repede în perioada respectivă, jumătate mai încet.

Cum s-a schimbat popularitatea acestui model față de restul catalogului: creșterea lui în descărcări, aprecieri și utilizare în fiecare perioadă, comparată cu creșterea tipică a unui model în aceeași perioadă, plus scorul său de căldură la momentul respectiv. Dacă e peste creșterea tipică, înseamnă că a crescut, dacă e sub, a scăzut. Istoricul se reconstruiește din totalurile de azi, prima zi a modelului și viteza lui de descărcare măsurată când sunt două citiri; un model care nu exista la începutul perioadei arată n/a.

Exemple de randări

Prompturi și setări partajate de cei care au făcut aceste randări pe Civitai. Alege o randare pentru a vedea cum a fost făcută.

Ia acest prompt

Render by Sajrep on

Setări

Sampler

LMS

Pași

Guidance

Seed

987610379621410

Mărime

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

Setări

Sampler

LMS

Pași

Guidance

Seed

345043061657583

Mărime

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

Setări

Sampler

DPM++ 2M

Pași

Guidance

7.5

Seed

556051207637958

Mărime

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>

Prompt negativ

embedding:deformityv6, embedding:boring_e621_fluffyrock_v4

Render by Sajrep on

Setări

Sampler

DPM++ 2M

Pași

Guidance

7.5

Seed

556051207637958

Mărime

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>

Prompt negativ

embedding:deformityv6, embedding:boring_e621_fluffyrock_v4

Render by Sajrep on

Setări

Sampler

DPM++ 2M

Pași

Guidance

Seed

345043061657583

Mărime

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

Setări

Sampler

DPM++ 2M

Pași

Guidance

Seed

345043061657584

Mărime

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

Setări

Sampler

DPM++ 2M SDE

Pași

Guidance

Seed

345043061657583

Mărime

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