本心得介紹MultiDiffusion with Tiled VAE插件以及通用的提升效能設定。

音樂藝文

職場產業

學習

AI紀行

筆者探索AI工具時遇到的難題、解方和雜談，不定期更新。

黑米BR的沙龍

放大/多道提示詞的好幫手：MultiDiffusion插件 - Stable Diffusion

ControlNet發布了1.1新版本，新增了許多不同的model，本文介紹運算大圖時非常好用的Tile Resample model。

<div class="draft-block draft--p left">谢谢您的分享。请问为何我的Preprocessor的选项里没有tile resample?只有tile Gaussian?是不是漏装了什么插件？</div>

忠實放大、增添細節 ControlNet 1.1 - Tile Resample - Stable Diffusion

本教學使用Automatic 1111介面
　　AI繪圖風行至今，網上已有不少中文教學，包括教導如何訓練LoRA、LoCon等模型的文章，而訓練上述模型時，通常會經過一道「Preprocess Images」工序，中文稱為「圖片預處理」。

增加訓練LoRA、LoCon模型的精準度 - Stable Diffusion

Vlad Diffusion（下略Vlad）和 Automatic1111（下略A1111）相較：
優點
1. 介面優化
2. 效能優化
    -針對 Torch 2.0 優化
    -使用 SDP（Scaled Dot Product）優化運算，無須 xFormers 也可顯著提升效能、降低 

進化的Automatic1111：Vlad Diffusion - Stable Diffusion

Textual Inversion embedding
　　玩過Stable Diffusion（下以SD略稱之），並且有前往CIVITAI等網站下載其他人訓練的AI模型的玩家......

Bad Artist、EasyNegative，這些是什麼？ - Stable Diffusion

先說結論：
　　演算Img2Img時，Sampling Methods（取樣方法）中Karras類型比較忠於原圖，非Karras類型比較放飛自我。

恣意發揮 vs 照本宣科：Stable Diffusion取樣方法的差異

　　2023/Apr/8 補充更新 - 想訓練AI模型的人，建議正常安裝Python和Git，理由如下：

踏出Stable Diffusion新米第一步-安裝

ChatGPT創作大賽投稿的短篇推理懸疑故事，見證了ChatGPT的無厘頭...

創作

出其不意的破案

　　最近玩了個台灣製的遊戲，內容不多，玩了三小時就進入「片尾曲」。
　　這時我突發奇想，擷取一張截圖，然後用這張圖跑Stable Diffusion的Img2Img（以圖算圖）。
　　因為非業配，沒有取得原圖授權，所以原圖我就不貼了，但有看過結局的人，一定能從下面幾張圖猜出原圖出處：
+Prompt

AI繪圖大哉問-描圖、致敬、原創？

　　可能是這個問題太過基本，所以網路上幾乎沒有人在提問或回答，但我一開始嘗試Stable Diffusion時，常會遇到一個令我困擾的問題----紫色斑塊。