AI繪圖-繪圖步數(steps)越高會越好嗎?(以真人版鏈鋸人瑪奇瑪為例)
前言：
以下測試同樣都是使用stable diffusion webui。
1.據我之前看過的網路文章或網路討論，大多是指繪圖步數越高則繪圖細節會越多，但其正面效益會隨著步數的持續增加而遞減。但我並沒有看到有人明確的描述細節的提昇到底是提昇在哪?可以提昇多少?效益的遞減又是怎麼遞減的?我只好自己測一次才會甘願了。
2.上次的鏈鋸人瑪奇瑪畫的太醜，我這次決心重畫一次。
3.我還是不知道到底要叫真紀真還是叫瑪奇瑪。
以下是我的測試內容，我簡單的列出圖片並講解我觀察到的現象就好。本來我的測法是10步一個階段，後來發現這樣產出的圖太多太雜，外加每10步一階段可能看不出變化，最後改成每20步一階段，最後測到120步確實是太誇張，這只是為了能夠產出6張圖讓我貼圖時比較對稱而已。
1.步數高並不保證圖片就會更漂亮或更正確
提升步數造成的結果仍充滿隨機性，不一定步數多就會畫的正確或漂亮，例如下圖是以DPM++SDE Karras為採樣方式，本來畫的算是正確，但在60步與100步時眼睛反而變的略醜略歪。
2.繪圖結果不一定會受步數影響，也有可能毫無變化。
雖說大部份的情況下，步數的變化通常會影響到繪圖內容，不論是變好還是變壞，但這不是絕對的，下圖是以UniPC為採樣方式，到60步以後的圖就基本不變了，甚至到了100步/120步時的產出已經是連細節都完全一致了。
3.畫面變大不代表細節就一定可以變多
這是上一個項目的延伸題，在第二項測試中，我們觀察到UniPC到60步以後就不太變化了，我猜測是否因為畫面太小造成它的變化空間有限?所以我把畫面尺寸調大後再試一次(由600x800調整為1024x768)。
但很明顯的，畫面變大之後並沒有什麼改變，這次一樣是60步以後的圖就不太有變化了，而80步以後的三張圖連細節都完全一致。大圖片可以呈現的內容確實更多更豐富，但那是跟畫面尺寸有關，跟步數的增加沒什麼關係。
4.LMS/DPM fast/PLMS這三種採樣方式所需要的基本步數比別種採樣方式高，就是這樣而已
這個項目是為了我自己的妄想而測的，從我之前的測試中可知LMS/DPM fast/PLMS這三種採樣方式在20~30步時是一定畫不好圖的，它必須有較高的基本步數，那我就懷疑它只是單純的比較沒力，還是它有藏招?也許在高步數時才能體現出它的威力?
顯然，它真的只是沒力而已，這三種都要在40~50步左右才能出圖，但步數繼續升高並沒有表現出什麼驚艷之處。以下貼出其中兩種採樣方式的圖做為代表就好。
LMS的結果：
DPM fast的結果：
5.細節就算真的有增加，也未必是加在你想要的地方
下圖以Euler a為例，這邊是一個典型的好例子，隨著步數增加，每次的圖片內容都有變化，而且都沒畫歪。但問題是它的細節也許是真的有隨著繪圖步數增加，但都加在沒意義的地方。我們一般會期望細節可以加在重點部份，例如以下方人物圖來說就是會希望它能夠增加更多的人物細節/皮膚紋路/光影效果等等，結果它全在折騰那片背景，它就是把A招牌改成B招牌，或是把C建築改成D建築這樣改來改去不知所謂。
6.適可而止就好
下圖同樣以Euler a為例，這同樣是一個典型的好例子，步數的增加都有確實造成圖片的變化，而且細節確實是有提昇。
縮圖也許不明顯，我直接抓出20步與120步的頭部來做對比：可以很明顯的看出20步時臉部像開了美顏，也缺乏光影效果，120步時就看的出皮膚紋路與光影效果了，髮部細節也增加許多。
但為了追求這樣的效果就故意設成120步其實不是個划算的選擇，如果只是想要有更多的皮膚紋路與光影效果，40~60步之間就有達成不錯的成果了，步數再往後增加的效益已是肉眼難辨，繪圖時間與繪圖效果不成正比，沒有CP值。
7.想光靠步數增加細節不切實際
這步就不用上圖了，這是上面所有圖片的觀察總結，從上面的圖片可以發現，步數的增加也許能夠對圖片造成一些正向變化，但這些變化是微小且不可控的，最終的繪圖成品差異都不算太大，甚至還有幾個越弄越糟的例子。
因此若真想精心打造一張高細節的複雜圖片，從別的地方下手也許效益更明顯，例如修改prompt或是引入一些圖片美化的外掛等等。再嫌不足可以用inpant等方式慢慢去刻，反正都會比一直狂加步數實在。
我個人的想法是也許步數設成20~30左右就夠了，若覺得不足就直接從其它地方去做改善比較實際，圖片主體在20~30步就算完成了，之後增加更多的步數意義已經不大，可能僅是微小的錦上添花，甚至是畫蛇添足。
8.動漫風格也測一下
這邊沒什麼話要說，只是想看看動漫風格的效果而已
總結：
- 步數高並不保證圖片就會更漂亮或更正確
- 繪圖結果不一定會受步數影響，也有可能毫無變化。
- 畫面變大不代表細節就一定可以變多
- LMS/DPM fast/PLMS沒有藏招，它們真的只是單純的低步數就畫不出圖
- 細節就算真的有增加，也未必是加在你想要的地方
- 步數的增加適可而止就好
- 想光靠步數增加細節不切實際
即將進入廣告，捲動後可繼續閱讀
為什麼會看到廣告
276會員
90內容數
沙龍自介：
雜文派，舉凡AI介紹、科技新知、廢談網誌、小說動漫通通都寫。雖說如此，但目前以AI與科技類文章為主軸，我也不知道怎麼變這樣的，holy 媽祖。
本人不喜歡看長篇文章，也不擅長寫長篇文章，我的意思是：我的優點是廢話很少，看我一篇文不會花你太多時間。
留言0
查看全部
你可能也想看
Google News 追蹤
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~
AI繪圖要廣泛用於商用還有一大段路，還需要依賴人類的經驗判斷、調整，為什麼呢？
對筆者而言，這就是基於現實比小說更荒誕的情況下，會使用的轉換工具。本計算程式是基於已知當下的馬達繞線條件，包括漆包線徑及圈數後，計算出導體面積，之後在依照設計需求改換不同線徑時，可自動計算出圈數的變化；或是變動馬達設計圈數時，計算獲取新的漆包線徑值。由此可知，本工具是在固定槽滿率的條件之下，進行漆包
本文是針對馬達繞線時，想要依本身的生產能力調整漆包線徑粗度時，會使用到的轉換計算進行介紹及說明。
實際量產時往往將多條細線並繞的馬達，改由單條粗線採用機台繞線，較為省時；但開發階段，並無設備協助，僅能採用人工繞線打樣時，則會調整為多條細線並聯的模式才能順利工作，這類不同情境下的線徑變化，三不五時就
前期先針對整體流程模仿
可以快速理解一個主題如何拆解成不同的要素
快速取得一個學習的利基點
一個好的方式就是以完成專案為目的下去學習
為何要做Project Based的學習，而非一步一步完成課程？
因為直接做專案可以最快的碰到問題，知道自己還缺少哪方面的認知
人類無法用抽象的事物把事情
瞭解梯度下降算法中的學習速率調整，包括為什麼需要動態的學習速率、Root Mean Square、RMSProp、最常用的optimization策略Adam，以及如何進行Learning rate Scheduling。
生命靈數連線中，有一條與學習能力有關。不但學習速度快，還能遊刃有餘的變出新花招、玩創意...。在科技推動快速變化的現在，這條靈數連線能力請這樣用。。。
在之前的文章中已經有提到細線併繞將會導致槽滿率的下降，本文就來深究其原因。
追根究柢就是因為多線併繞時，往往會於繞線的過程中，自然而然的產生類絞線排列，反倒使原本理想中的細線排列分佈，絞成了一個大圓線的配置，導致更多的間隙使得馬達槽滿率下降。
在線徑與並聯股數換算中有一個計算例，是4股的0.3m
本文來探討細線對於馬達特性的影響。
其實身為一位馬達設計者，腦中應該就不會有細線的選項，這點可以由最基本的馬達轉矩公式就可一窺其原因；其中跟馬達漆包線圈有直接關聯的參數僅有圈數(N)，這代表圈數越多，則轉矩就越大。而另一個間接會影響到的參數為電流(I)，主要是歐姆定律告知我們，在固定輸入電壓(V)
其實修圖不會100%無破綻，因為把圖放到最大是呈現上圖那樣，有很多的馬賽克，連我們以為的黑色線條，它週邊其實還有一些淡淡的顏色，而真正的修圖高手其實是一點一點去點那些的格子，那樣子的成果才會細緻且漂亮。
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~
AI繪圖要廣泛用於商用還有一大段路，還需要依賴人類的經驗判斷、調整，為什麼呢？
對筆者而言，這就是基於現實比小說更荒誕的情況下，會使用的轉換工具。本計算程式是基於已知當下的馬達繞線條件，包括漆包線徑及圈數後，計算出導體面積，之後在依照設計需求改換不同線徑時，可自動計算出圈數的變化；或是變動馬達設計圈數時，計算獲取新的漆包線徑值。由此可知，本工具是在固定槽滿率的條件之下，進行漆包
本文是針對馬達繞線時，想要依本身的生產能力調整漆包線徑粗度時，會使用到的轉換計算進行介紹及說明。
實際量產時往往將多條細線並繞的馬達，改由單條粗線採用機台繞線，較為省時；但開發階段，並無設備協助，僅能採用人工繞線打樣時，則會調整為多條細線並聯的模式才能順利工作，這類不同情境下的線徑變化，三不五時就
前期先針對整體流程模仿
可以快速理解一個主題如何拆解成不同的要素
快速取得一個學習的利基點
一個好的方式就是以完成專案為目的下去學習
為何要做Project Based的學習，而非一步一步完成課程？
因為直接做專案可以最快的碰到問題，知道自己還缺少哪方面的認知
人類無法用抽象的事物把事情
瞭解梯度下降算法中的學習速率調整，包括為什麼需要動態的學習速率、Root Mean Square、RMSProp、最常用的optimization策略Adam，以及如何進行Learning rate Scheduling。
生命靈數連線中，有一條與學習能力有關。不但學習速度快，還能遊刃有餘的變出新花招、玩創意...。在科技推動快速變化的現在，這條靈數連線能力請這樣用。。。
在之前的文章中已經有提到細線併繞將會導致槽滿率的下降，本文就來深究其原因。
追根究柢就是因為多線併繞時，往往會於繞線的過程中，自然而然的產生類絞線排列，反倒使原本理想中的細線排列分佈，絞成了一個大圓線的配置，導致更多的間隙使得馬達槽滿率下降。
在線徑與並聯股數換算中有一個計算例，是4股的0.3m
本文來探討細線對於馬達特性的影響。
其實身為一位馬達設計者，腦中應該就不會有細線的選項，這點可以由最基本的馬達轉矩公式就可一窺其原因；其中跟馬達漆包線圈有直接關聯的參數僅有圈數(N)，這代表圈數越多，則轉矩就越大。而另一個間接會影響到的參數為電流(I)，主要是歐姆定律告知我們，在固定輸入電壓(V)
其實修圖不會100%無破綻，因為把圖放到最大是呈現上圖那樣，有很多的馬賽克，連我們以為的黑色線條，它週邊其實還有一些淡淡的顏色，而真正的修圖高手其實是一點一點去點那些的格子，那樣子的成果才會細緻且漂亮。