Dreambooth-Stable-Diffusion 是一个基于 Stable Diffusion 的 Dreambooth 实现，旨在通过少量图像对模型进行微调，以学习特定的人脸、物体或风格。该仓库由 Joe Penna 维护，他对原始仓库进行了修改，特别关注人脸训练。项目提供了丰富的指南，包括在 Vast.ai、Google Colab、本地 PC（Windows 和 Ubuntu）以及 RunPod 上运行的步骤。用户可以通过 Jupyter notebook 或命令行进行训练。
主要能力：支持训练人脸、物体和风格；支持在 24GB 显存的 GPU 上运行（如 3090）；提供配置文件和命令行参数参考；支持通过字幕（captions）训练多个主体或概念；训练后的模型可用于生成特定主体或风格的图像；提供调试建议。
使用方式：用户需要克隆仓库（git clone https://github.com/JoePenna/Dreambooth-Stable-Diffusion.git），安装依赖，准备训练图像和正则化图像，然后通过命令行或 notebook 运行训练。训练参数包括 project_name、training_model、regularization_images、training_images、max_training_steps、class_word、token 等。生成模型后，在提示词中使用 <token> <class> 格式（例如 "joepenna person"）来生成图像。
适用场景：数字艺术家训练自己的角色和风格；电影制作人与概念艺术家沟通；个人训练自己的肖像；漫画设计师等。
限制：需要至少 24GB 显存的 GPU；训练速度可能较慢；该实现未完全实现 Google 保留潜在空间的方法，可能导致所有类似图像向训练主体偏移；连续训练两个主体较困难；训练后模型文件约 11-12GB，需修剪至约 2GB；不鼓励未经授权训练他人作品或使用艺术家名字。
