0


stable diffusion图片转图片(教程)

图片转图片#

一般我们有两种途径对图像进行修复:PS 和 InPaint,使用方法也十分多样。

WebUI 使用

--gradio-img2img-tool color-sketch

启动会带入一个插件对图片进行颜色涂抹(这里不是 Inpaint)

处理图片大小#

  • Just resize : 将图像调整为目标分辨率。除非高度和宽度完全匹配,否则图片会被挤压
  • Crop and resize:调整图像大小,使整个目标分辨率都被图像填充。裁剪多余部分。
  • Resize and fill:调整图像大小,使整个图像在目标分辨率内。用图像的颜色填充空白区域。

注意颜色#

无论是 3D (DAZ 这样的 3D 模型) 还是线稿,AI 只识别 色彩 ,而不是线条,色彩直接决定图转图的效果。

三渲二#

调整 3D 模型骨架比寻找样图更容易。

可以结合 3D 建模 摆 Pose,也可以使用 MMD 相关软件。

如果是真人图片,需要适当提高

CFG Scale

相似度,结合提示词一起生成。降噪

Denoising

越高,相关性越低。

推荐使用 DAZ 或者 Blender 或者 Unity ,在对 3D 模型的测试中,色彩主要影响 AI 的绘画效果,所以你的模型需要有纹理。

如果你使用 Blender ,你可以使用 这个视频 分享的 模型娃娃

Inpainting 修补#

不同之处

PS 重新绘画投入 Img2Img 的话,会导致画风的变动,而 Inpaint 就不会。

在 Inpainting 选项卡中,在图像的一部分上绘制蒙版,该部分将被重新绘制。

Masked content

设置确定在修复之前放置到遮罩区域中的内容,一般选

original

,可以保持图片一致性,如果你不希望修补内容继承原来的色彩分布,选

fill

就是使用图片的大部分底色,选

latent noise

可以获得随机色彩点阵图(使生成内容脱离关联)。

它们的效果如下:
示意操作filloriginallatent noiselatent nothing

mask

横条决定了涂抹区块边缘的平滑程度。original 指代

原图

,fill 是

填充底色

TIP

fill

要更多 step 才能消除不自然感.

mask

横条决定了模糊程度。original 是

原图

,fill 是

填充底色

fill

要更多 step 才能消除不自然感。

Inpaint at full resolution

即全分辨率修复。默认情况下 Inpaint 会将生成的图像大小 整体 调整为 UI 中指定的目标分辨率。启用

Inpaint at full resolution

后,仅调整遮罩区域 的大小,并在处理后将其 粘贴回 原始图片。这允许你处理大尺寸图片,并允许以更大的分辨率渲染修复对象。

目前有几种方法进行重绘制操作:

  • 使用鼠标在网页上绘制蒙版(Inpaint masked 指重画涂鸦区域,Inpaint not masked 指重画除涂鸦之外的区域)
  • 在外部编辑器中擦除部分图片并上传透明图片。 透明区域会成为蒙版的一部分。注意:某些编辑器默认将完全透明的区域保存为黑色。
  • 将模式(图片右下角)更改为 "Upload mask" 并为蒙版处理为单独的黑白图像(白色部分会被 inpaint)。

如果

inpaint at full resolution

出现黑块,可能是内存不足,尝试卸载 VAE 模型。

开源调研-AI 绘画全参数讲解-002img2img 图像到图像

通过这种方法,我们可以更改角色衣物风格或者其他任何细节。

如何教会 AI 画手

Outpainting 外部修补#

Outpainting 扩展原始图像并修复创建的空白空间。

您可以在 img2img 选项卡底部的 Script -> Poor man's outpainting 中找到该功能。

与正常的图像生成不同,Outpainting 似乎从大步数中受益匪浅。一个好的外绘需要一组与图片相匹配的优秀提示词、最大的 Denoising 和 CFG 比例,以及使用 Euler a 或 DPM2 a 生成 50 到 100 步数。

Loopback 回环生成#

在 img2img 中设置 loopback 脚本,它允许自动将输出图像设为下一批的输入图像。

Batch 数设置控制获得多少次迭代

通常,在执行此操作时,您需要自己为下一次迭代选择许多图像中的一个,因此此功能的有用性可能值得怀疑,但反正我已经设法获得了一些我无法获得的非常好的输出。

从附加信息提取提示词#

程序默认会在图片中加入提示词,参数,模型信息,对于没有压缩的原图,可以拖入

PNG Info

选项卡,查看其内嵌的生成信息。

也可以使用 在线工具 查看它。

Denoising strength 降噪强度#

见 Denoising strength 降噪强度。

值越低,生成的图片与原图的差距越小。通常由图片清晰度与风格共同确定。

从图片内容提取提示词#

CLIP Interrogate#

CLIP 可以从图像中提取令牌。

默认情况下,只有一个列表 - 艺术家列表(来自 artists.csv)。

不过你可以通过执行以下操作添加更多列表:

  • 在与 webui.py 相同的位置创建 interrogate 目录
  • 将文本文件放入其中,每行包含相关描述

你可以在这里查看使用哪个文本文件的例子。实际上,你可以直接用这个例子中的文件 —— 除了

artists.txt

,你已经有一份艺术家列表在

artists.csv

中了不是吗(或者用这个也行,随你)。每个文件都会使最后的描述增加一行字。如果你将

.top3.

放到文件名中,比如

flavors.top3.txt

,文件中相关度最高的三行将会被添加到提示词中(其他数量也行)。

DeepDanbooru Interrogate#

新版 Stable-Diffusion-WebUI 已无需使用

--deepdanbooru

开关启用该功能。

可在 img2img / 图生图 页面中看到 DeepDanbooru Interrogate 按钮。可以从图像中提取令牌。

设置页面中可以配置是否使用空格代替下划线 (

use spaces for tags in deepbooru

),及是否自动使用

\

转义括号 (

escape (\) brackets in deepbooru (so they are used as literal brackets and not for emphasis)

)。

低显存生成大分辨率图片#

如果遇到生成鬼图或者低显存生产高分辨率图片,可以采用 Img2Img 画质提升脚本。

强烈推荐使用 Extras 功能对低分辨率进行超分辨率处理。

使用脚本#

如果你想使用脚本提供的分辨率增强,这里有 Img2Img 的具体流程:

  1. 使用 --medvram 或者 --lowvram 参数启动 webui
  2. 选择较小分辨率生成图片。记住生成图片的分辨率。生成完毕之后,复制图片的 Seed
  3. 生成完毕后,先查看图片效果是否满意。如果满意,直接将图片送进 Img2img。(点击 Send to img2img
  4. 在 img2img 界面底部,有一个 Script 选项。将 Script 选为 SD Upscale,里面的 Tile overlap 尽量调小
  5. 一般送入 Img2img 的图,输入框自动填充原提示词。如果你发现 prompt 有变动,请手动填充
  6. 选择合适的 Sampling StepsSampling method
  7. 确认你的 WidthHeight原图一致
  8. 将第 2 步复制的 Seed 填入 img2img 的 Seed 里并生成

这里的 Width 和 Height 是超分时 img2img 的图片大小,如果不等会导致出现重叠问题

SD Upscale 选项在 Img2Img 的 Script 栏目中,主要作用是提升分辨率。

脚本解决方案来源于此


本文转载自: https://blog.csdn.net/weixin_63660670/article/details/130229130
版权归原作者 微酸已着枝 所有, 如有侵权,请联系我们删除。

“stable diffusion图片转图片(教程)”的评论:

还没有评论