僅供參考，因?yàn)閯?chuàng)造力不是好壞兩個(gè)字就能評(píng)定的東西。

權(quán)重系數(shù)。理解力+速度+質(zhì)量+降噪能力+泛化性=5；

公式為：（對(duì)tags的理解力）*0.3+（生成圖片的速度）*0.2+（生成圖片的質(zhì)量）*0.25+（生成圖片的降噪能力）*0.1+（生成圖片的泛化性）*0.15 ；保留小數(shù)點(diǎn)后兩位。

在AI繪畫中，不同的采樣器可能在處理不同數(shù)量的tags時(shí)表現(xiàn)不同。

我假設(shè)不同tag的重要性相同，并對(duì)每個(gè)tag賦予相等的權(quán)重。對(duì)于每個(gè)tag數(shù)量范圍，使用加權(quán)平均數(shù)計(jì)算每個(gè)采樣器的分?jǐn)?shù)，其中不同tag組的權(quán)重按照其在tags中的數(shù)量分配，乘以每個(gè)采樣器在每個(gè)組中的平均分?jǐn)?shù)，并對(duì)所有乘積求和得到加權(quán)平均分?jǐn)?shù)。需要注意的是，此表格中的分?jǐn)?shù)僅供參考，實(shí)際結(jié)果可能因輸入的prompts和其他因素而有所不同。

比如：Euler a采樣器通常適用于低維度空間中的數(shù)據(jù)，因此在處理較少數(shù)量的tags時(shí)可能會(huì)表現(xiàn)出色。但是，在處理更多數(shù)量的tags時(shí)，Euler a可能會(huì)出現(xiàn)困難，因?yàn)樗鼰o(wú)法很好地捕捉到更復(fù)雜的元素和主題。

相比之下，DPM2 a Karras采樣器結(jié)合了DPM2 a和LMS Karras的優(yōu)點(diǎn)，并在處理更多數(shù)量的tags時(shí)可能表現(xiàn)更好。它能夠捕捉更多元素并更好地將它們組合在一起，因此在處理更多數(shù)量的tags時(shí)可能會(huì)表現(xiàn)出色。

由于不同采樣器算法的不同，很難說(shuō)某種算法的優(yōu)劣，畢竟那么多文獻(xiàn)掛在網(wǎng)上，很多大學(xué)都對(duì)他們進(jìn)行了深入的探索。數(shù)理邏輯對(duì)不同的領(lǐng)域有著不同的影響程度。

基于這一點(diǎn)，進(jìn)行了權(quán)重評(píng)估，僅代表個(gè)人意見(jiàn)以及目前《秋葉akkki整合包》以及2023年04月10日的StableDiffusion作為固定參考系。

祝創(chuàng)作愉快。

2023/04/10