前言
最近ControlNet最新版1.222引入了新的Inpaint模型 -- Inpaint_only+lama，是一個比Inpaint_only更能推論新圖象的模型。在啟動時，ControlNet會將原圖送進LAMA這個模型中先製造出一個新圖，再送進Stable Diffusion的模型中算圖。
經過這種預先產圖的手段，向外擴展（Outpaint）的輸出品質就大大的進步了，與我上次介紹的基本Outpaint手法，穩定性進步不少，除了這個方法產出的大圖都是上下左右四個方向平均擴展，沒辦法指定是否置中之外，整體的效果非常好，而且還不需要提示詞就能產出不錯的結果，非常適合快速使用。
步驟
第一步，我們選擇要Outpaint的圖片，打開txt2img的頁面，然後打開ControlNet的設定，將圖片放進裡面。
原始圖
原始圖的尺寸為512x768，我們要將它擴展成1024x768，所以將設定設置成：
提示詞：無。你不需要提示詞也能做到向外擴展！
寬與高：1024x768像素。
CFG Scale：4，給AI較高的自由度生成新背景。
txt2img設定
在ControlNet裡面，依照這樣的設定：
Preprocessor：inpaint_only+lama。
Control Mode：ControlNet is more important。因為我們提示詞根本是空的。如果提示詞裡面有東西的話，要調整成Balanced。
Resize Mode：Resize and Fill，讓ControlNet自動擴展Inpaint的範圍並填充新外擴的地方。
ControlNet的設定
這樣就能產生品質非常不錯的外擴圖了！
成品圖
從成品旁的ControlNet預覽圖可以看見，在LAMA模型處理之後，新擴展的部分已經有了合理的大致結構了：
被白色遮罩擋住的就是經由LAMA模型擴展的區域
這也就是為什麼Inpaint_only+lama可以生成結構一致的成品圖。但是經我實際測試後，發現它在肢體被切分的情況下，外擴產生的肢體與手指還是非常糟糕，所以在外擴時，如果邊緣是肢體與手腳趾，依然很難算出成效良好的圖。但是在生成存粹背景這方面，成果相當良好。
參照
[1.1.222] Preprocessor: inpaint_only+lama
