恣意發揮 vs 照本宣科:Stable Diffusion取樣方法的差異

更新於 發佈於 閱讀時間約 4 分鐘

  我不是程式設計師,是以藝術創作的角度撰寫心得。

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
黑米BR原畫
  原本沒有這麼強調瞳孔的雙色和頭髮的挑染,但因為使用的CyriousMix1.4演算模組(model)完全抓不到這兩部分(註*),所以刻意突顯了出來。
  *也有使用其他的演算模組嘗試,但這兩部分的實現程度也都差不多。

  以下演算成果的所有設定都相同,更動的只有Sampling method:

cyriousmix_14.safetensors
Sampling steps 30
Denoising strength 0.3
CFG Scale 12
Width 500 x Height 700
Batch count 1
Batch size 1
Seed 2910326828
+Prompts
masterpiece, best quality, 2girls, twins, blue shirt, white dress, bare shoulders, white pants, khaki pants, purple eyes, blue eyes, red hair, gold hair, multicolored eyes, multicolored hairs, red hair with gold highlights, gold hair with red highlights, purple eyes with blue tint, blue eyes with gold tint, smile
-Prompts
(painting by bad-artist-anime:0.9), (painting by bad-artist:0.9), watermark, text, error, blurry, jpeg artifacts, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, artist name, (worst quality, low quality:1.4), (bad anatomy), nsfw, (extra fingers), (bad fingers), extra sleeves, red letter, extra letters,
圖1
  Euler和Heun的演算結果我「完全看不出」差異。LMS則是一如既往地不適合動漫風格的演算模組,抑或是需要很大量的sampling steps?
圖2
  DPM fast大概是用來快速判斷結果的演算法。
圖3

  撇開比較特殊的LMS和DPM fast不談,可以很明顯地看出名字中有「Karras」的取樣方法在同樣的設定下(特別是相同的Sampling steps、Denoising strength、CFG Scale、Seed),其演算結果是比較「忠於」原圖的。

  盡管如此,以下問題是所有演算法都有的:
  1. 所有取樣方法均「無法正確算出雙色瞳」的效果,儘管原圖和+prompts中都有提供。
  2. 紅髮挑金」所有的取樣方法都有算出來,然而「金髮挑紅」非Karras的取樣方法都只有鬢角變紅,而Karras系列與其說是有算出來,不如說是因為比較忠於原圖而保留下來的,但DPM2 Karras和DPM2 a Karras仍然沒有保留下來。
  3. 手指的問題很大--雖然幾乎所有的演算模組都有手指的問題,但CyriousMix是手指問題非常明顯的一種,偏偏我又很喜歡它的風格,未來可能需要靠Control Net來解決了。
  為何頭髮的顏色會影響演算的結果,個人認為是用於訓練的作品中,挑染其他顏色的紅髮比較常見,但挑染其他顏色的金髮卻很少見的緣故。

  換言之,可說是AI因為人類「偏好」而產生「歧視」的例子?

  下圖是我實際選用的版本。這個版本的+Prompts我忘了保存下來,但我記得也是換了很多次Seed才有金髮挑紅的成果出現,而且+Prompts應該有額外添加「two-tone hair」的關鍵詞。
實際選用的版本
  我原本的生圖目的是更新線上連載小說的封面,下圖是手動調整過後的最終成果:
最終版本 - 不得不說AI版本比我畫的要可愛太多了......Orz

  有興趣的話,歡迎前往KadoKado閱讀喔(自產自推)。

為什麼會看到廣告
avatar-img
82會員
104內容數
筆者探索各種感興趣事物的紀錄。 *副帳非主流政治沙龍《黑米BR不政確》:https://vocus.cc/salon/BRiceP
留言0
查看全部
avatar-img
發表第一個留言支持創作者!
黑米BR的沙龍 的其他內容
  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
  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:
ChatGPT創作大賽投稿的短篇推理懸疑故事,見證了ChatGPT的無厘頭...
  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
  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:
ChatGPT創作大賽投稿的短篇推理懸疑故事,見證了ChatGPT的無厘頭...
你可能也想看
Google News 追蹤
Thumbnail
現代社會跟以前不同了,人人都有一支手機,只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行,然而如今科技快速發展之下,金融App無聲無息地進到你生活中。但同樣的,每一家銀行都有自己的App時,我們又該如何選擇呢?(本文係由國泰世華銀行邀約) 今天我會用不同角度帶大家看這款國泰世華CUB
Thumbnail
嘿,大家新年快樂~ 新年大家都在做什麼呢? 跨年夜的我趕工製作某個外包設計案,在工作告一段落時趕上倒數。 然後和兩個小孩過了一個忙亂的元旦。在深夜時刻,看到朋友傳來的解籤網站,興致勃勃熬夜體驗了一下,覺得非常好玩,或許有人玩過了,但還是想寫上來分享紀錄一下~
Thumbnail
研究AI生成美女圖像 研究AI生成美女圖像是一個很有趣的方向,特別是對於喜歡速寫但很少畫美女的我來說。AI生成圖像的技術不僅可以幫助創作出我心中所想的形象,還可以作為靈感的來源,讓我在速寫中嘗試新的風格和主題。 基於大量的數據訓練 AI生成的圖像通常基於大量的數據訓練,可以創造出各種不同風格和
Thumbnail
有鑑於坊間絕大部分的髮型師,都是制式化的裁剪頭髮,也就是一定要把頭髮吹順,拿把梳子或離子夾,把毛流全矯正後再行細部裁剪。 這也沒有甚麼不好,畢竟大家學習過程,就一直都是這樣過來,世界級大師也都是這樣先吹整後裁剪。 若本身就是直髮,是沒甚麼太大的問題,但遇到自然捲的頭髮,就很容易造成失敗感。
Thumbnail
近期畫人像變多了,構圖是一方面,難的我覺得還是色彩的選擇,因為色彩搭配是滿複雜的一個系統,老師通常都可以選很多我不敢用的顏色,調出來的效果也很好。
Thumbnail
最近在嘗試使用不同的AI生圖方式混合出圖的方式,採用A平台的優點,並用B平台後製的手法截長補短,創造出自己更想要的小說場景,效果不錯,現在以這張圖為例,來講一下我的製作步驟。
Thumbnail
如何用AI生成美女,用提示詞生成美麗的美女! 這裡嘗試了幾張,這裡挑選出覺得還不錯的。這張的重點是在水珠,美女在中間臉部沒有水珠,在肩部的水珠形成對比。 這張薄紗的感覺就差一些,姿勢擺得並不出色,可能擺字,造成兩者對稱,就沒有那麼漂亮了,顯得制式化。 我喜歡這張的美,自然又動人,沒有一點瑕疵,這
Thumbnail
本文介紹寫實亞洲動漫女子的咒語描述以及使用Copilot工具的方式。咒語描述包括學生髮型及健壯身材的特徵,以及短的Dreadlocks髮型和白色科技衣服的特徵。這篇文章將幫助你更瞭解亞洲動漫女子角色的特色,以及使用Copilot工具的技巧。
呼!折騰了好久,終於徹底搞清楚pygame的各個blend mode所用的計算式,到底是長啥樣子了。
相信很多女生跟我一樣喜歡染髮 卻又擔心「布丁頭」困擾 除了荷苞狂燒,根本沒時間上髮廊補染 聽設計師都大力推薦挑染 不僅原生髮長出來自然,也不會過於突兀 但後來發現挑染也出現一個大問題 就是褪色完變得超枯黃,更不好看呀! 今天一定要來好好介紹 新找到的髮型救星 得意假髮!!!
Thumbnail
有認真看我的文章的,都知道我一直以來說的不是「不准」設計師或畫家使用「AI」,我說的是「不要拿AI繪圖的結果當成是自己畫的」
Thumbnail
我們常把研究分成量化與質性兩種不同的方法(當然不止這兩種方法),其中量化分析主要在討論變數與變數的關係,而質性分析則在變數間在的互動過程與事件。因此通常在進行質性研究時,我們需要收集大量田野調查或訪談資料。做過訪談的人都知道,訪談後需要反覆的聆聽訪談錄音並將其轉化為訪談逐字稿,這是一個大工程,還好現
Thumbnail
現代社會跟以前不同了,人人都有一支手機,只要打開就可以獲得各種資訊。過去想要辦卡或是開戶就要跑一趟銀行,然而如今科技快速發展之下,金融App無聲無息地進到你生活中。但同樣的,每一家銀行都有自己的App時,我們又該如何選擇呢?(本文係由國泰世華銀行邀約) 今天我會用不同角度帶大家看這款國泰世華CUB
Thumbnail
嘿,大家新年快樂~ 新年大家都在做什麼呢? 跨年夜的我趕工製作某個外包設計案,在工作告一段落時趕上倒數。 然後和兩個小孩過了一個忙亂的元旦。在深夜時刻,看到朋友傳來的解籤網站,興致勃勃熬夜體驗了一下,覺得非常好玩,或許有人玩過了,但還是想寫上來分享紀錄一下~
Thumbnail
研究AI生成美女圖像 研究AI生成美女圖像是一個很有趣的方向,特別是對於喜歡速寫但很少畫美女的我來說。AI生成圖像的技術不僅可以幫助創作出我心中所想的形象,還可以作為靈感的來源,讓我在速寫中嘗試新的風格和主題。 基於大量的數據訓練 AI生成的圖像通常基於大量的數據訓練,可以創造出各種不同風格和
Thumbnail
有鑑於坊間絕大部分的髮型師,都是制式化的裁剪頭髮,也就是一定要把頭髮吹順,拿把梳子或離子夾,把毛流全矯正後再行細部裁剪。 這也沒有甚麼不好,畢竟大家學習過程,就一直都是這樣過來,世界級大師也都是這樣先吹整後裁剪。 若本身就是直髮,是沒甚麼太大的問題,但遇到自然捲的頭髮,就很容易造成失敗感。
Thumbnail
近期畫人像變多了,構圖是一方面,難的我覺得還是色彩的選擇,因為色彩搭配是滿複雜的一個系統,老師通常都可以選很多我不敢用的顏色,調出來的效果也很好。
Thumbnail
最近在嘗試使用不同的AI生圖方式混合出圖的方式,採用A平台的優點,並用B平台後製的手法截長補短,創造出自己更想要的小說場景,效果不錯,現在以這張圖為例,來講一下我的製作步驟。
Thumbnail
如何用AI生成美女,用提示詞生成美麗的美女! 這裡嘗試了幾張,這裡挑選出覺得還不錯的。這張的重點是在水珠,美女在中間臉部沒有水珠,在肩部的水珠形成對比。 這張薄紗的感覺就差一些,姿勢擺得並不出色,可能擺字,造成兩者對稱,就沒有那麼漂亮了,顯得制式化。 我喜歡這張的美,自然又動人,沒有一點瑕疵,這
Thumbnail
本文介紹寫實亞洲動漫女子的咒語描述以及使用Copilot工具的方式。咒語描述包括學生髮型及健壯身材的特徵,以及短的Dreadlocks髮型和白色科技衣服的特徵。這篇文章將幫助你更瞭解亞洲動漫女子角色的特色,以及使用Copilot工具的技巧。
呼!折騰了好久,終於徹底搞清楚pygame的各個blend mode所用的計算式,到底是長啥樣子了。
相信很多女生跟我一樣喜歡染髮 卻又擔心「布丁頭」困擾 除了荷苞狂燒,根本沒時間上髮廊補染 聽設計師都大力推薦挑染 不僅原生髮長出來自然,也不會過於突兀 但後來發現挑染也出現一個大問題 就是褪色完變得超枯黃,更不好看呀! 今天一定要來好好介紹 新找到的髮型救星 得意假髮!!!
Thumbnail
有認真看我的文章的,都知道我一直以來說的不是「不准」設計師或畫家使用「AI」,我說的是「不要拿AI繪圖的結果當成是自己畫的」
Thumbnail
我們常把研究分成量化與質性兩種不同的方法(當然不止這兩種方法),其中量化分析主要在討論變數與變數的關係,而質性分析則在變數間在的互動過程與事件。因此通常在進行質性研究時,我們需要收集大量田野調查或訪談資料。做過訪談的人都知道,訪談後需要反覆的聆聽訪談錄音並將其轉化為訪談逐字稿,這是一個大工程,還好現