少了括號?

[AG-w]

這邊看起來你是想要做切換

            if i + 1 // 2 == 1:
                x = dy_sampling_step(x, model, dt, sigma_hat, **extra_args)
            if i + 1 // 2 == 0:
                x = smea_sampling_step(x, model, dt, sigma_hat, **extra_args)

但是 1//2 只會等於 0 括號起來才是你要的?

            if (i + 1) // 2 == 1:
                x = dy_sampling_step(x, model, dt, sigma_hat, **extra_args)
            if (i + 1) // 2 == 0:
                x = smea_sampling_step(x, model, dt, sigma_hat, **extra_args)

[Koishi-Star]

你是对的。我会测试修正后的版本。

[AG-w]

你好，想問這段的作用是什麼? 不管是 if (i + 1) // 2 == 0: 或 if i + 1 // 2 == 0:，i 只有在 0 才能滿足， 那怎麼不直接 i == 0 就好?

[Koishi-Star]

你好，想問這段的作用是什麼? 不管是 if (i + 1) // 2 == 0: 或 if i + 1 // 2 == 0:，i 只有在 0 才能滿足， 那怎麼不直接 i == 0 就好?

你是对的，但这样写和dy_step中的if i // 2 == 1相对应，看起来很酷XD。

好吧，实际上是机缘巧合的产物，原本的想法是i % 2 == 1，使这些step在每一个奇数步骤产生作用，但经过测试，我发现使dy_step和smea_step在0-4步中的1-2步发挥作用效果最好。我也测试了使这些step在每一步中生效、拟合正弦步骤生效，但效果最好的依旧是现在的方案。

理论上这是因为sigmas在0-4步取值最大，对于图片的影响最大。本方法的核心思想是“self-reference”，使ai从一个更小的潜空间里进行自参考，以提高图片质量。事实证明这非常成功，图片的美学评分和质量肉眼可见地提高。（非要追求数学原理，就是多维张量在不同尺度的再映射，或者矩阵的子矩阵的解对于求解的优化，我数学一般般）

如果你想做进一步研究，我这里也有许多废案，例如使dy_step取图片的1/3,1/4,1/5,1/6,但效果都不理想。1/3,1/4,1/5的方案看起来对于质量没有提升（但也能改善图片构图），而1/6的方案使得ai把图片塞在一个很小的范围内。

我也测试了将图片划分成(2x2)小块取平均的效果（dy_avg），这样做并不能改善质量和美学，但能在非常大的尺度上生成图片而避免结构崩坏（例如在sd1.5直出1024x1536，甚至指出2048x2048）。

而smea的核心思想与dy相反。我注意到图片放大后再进行潜空间缩小，图片就会变得发亮，这与Nai3的smea描述类似。于是我尝试了smea方法，但效果平平，没有达到我的预期。

[AG-w]

照原本的順序就是 smea > dy > dy，發現這樣很容易出現模糊背景 拿掉第二次的dy變成 smea > dy 的話，細節又會變少 剛剛試了dy > smea > dy ，這樣細節還有，背景也比較不會變糊