Stable Diffusion基礎 -- 向外擴展（Outpaint）
閱讀時間約 4 分鐘
本篇要來討論一些目前在Stable Diffusion裡面，比較可行的向外擴展方法（Outpaint）。
向外擴展跟局部重繪（Inpaint）有點類似。局部重繪注重的是將原圖裡面想要修改的地方圈選起來，之後依靠AI重算該區域。向外擴展則是將圖的周圍擴展開來，然後填充進新的內容，造成一種Zoom out的感覺。
Automatic1111有提供兩種Outpaint的方法，但是我本人使用之後覺得非常不好用，都不推薦。現行比較好用的Outpaint方法之中，我個人最常用的方法是搭配修圖軟體將圖擴展之後再利用ControlNet的Inpaint模型來達到Outpaint的效果。畢竟，所謂的Outpaint其實也就是在擴展開來的邊界上做局部重繪罷了。
下面將以一張512x512的圖擴展成768x768的結果來展示這個方法：
首先，這個方法需要使用修圖軟體來擴展白邊，儘管圖生圖（img2img）的介面上也可以修改擴增邊界，但是非常麻煩，還不如學一下修圖軟體的功能來得快速。我主要以GIMP這個免費修圖繪圖軟體為主，但是幾乎所有修圖軟體都能提供一樣的功能。
在GIMP中，打開Image -> Canvas Size...功能，就能呼叫設定畫布尺寸功能，然後按下置中按鈕讓原圖置中，這樣就可以生成一張以空白區域圍繞原圖的新圖了：
之後，在Automatic1111的inpaint區域讀取這張圖，然後將圍繞在原圖周圍的白邊，連同一點點原圖的內容都圈選起來，這樣在重繪時AI才比較曉得原圖的結構：
然後，在正面提示詞中，必須詳細敘述想要的畫面，否則可能會出現很奇怪的結果。在我的例子裡，我的提示詞直接沿用了原圖的提示詞：
(best quality), (realistic), (photorealistic), extremely detailed, an extremely delicate and beautiful, RAW photo, low lighting, solo, real face, real skin, realistic face, realistic skin, beautiful eyes,
Hana wearing white kimono and short red skirt, sitting on the ground of a grass field, smiling, from above, landscape, full body shot, dutch angle shot, detailed background
<lora:Hana40:0.35>
然後我們要調整Inpaint的參數，在這裡，Masked content要選擇fill。理論上選擇latent noise或者latent nothing也可以，但是我個人實測發現還是fill產生的結果最好用。而在Sampling steps上最好不要低於50，否則出來的圖會很粗糙。而Denosing strength則要0.75以上，讓整個重繪強度到達能改動架構的程度。
在ControlNet的Inpaint模型出來之前，其實這樣的設定就能跑了，但是常常會出現很明顯的銜接痕跡，或者成果圖與原圖相差太遠。自從ControlNet出了Inpaint模型之後，我們可以靠著這個模型大大改善這問題：
這個地方得益於最近的改版，在選擇Inpaint時不用放入任何參考圖，ControlNet會很聰明地讀取Inpaint的選取範圍，產生效果還算滿意的成果圖。
但有時候還是會在一些地方看到銜接的痕跡，有好幾種方法來做最後修正：
- 將成果圖丟進繪圖軟體，用塗抹工具把有差異的色塊抹掉。
- 將成果圖丟進img2img，用低Denosing strength對整張圖拋光打磨。
- 將成果圖傳回inpaint，選取需要修改的區域，然後用中等強度的Denosing strength重繪。
為什麼會看到廣告
留言0
查看全部
你可能也想看
Google News 追蹤
Inpaint-web 免費開源的 AI 圖像擦除與放大工具，在用戶端瀏覽器載入模型，處理過程都在本機裝置上執行。完全免費，無須註冊也沒有限制次數，簡單塗抹標記即可擦除該區域的影像，輸出圖片會保留原來尺寸，還可將圖片解析度放大四倍。
Enhance This HiDiffusion SDXL是一個AI模型，結合HiDiffusion和SDXL兩種圖像生成模型，可以根據既有影像和文字描述生成新的圖像，可用來提高圖像解析度、修復瑕疵、轉換風格和自由創造新的圖像。
隨著人工智能技術的發展，AI 繪圖已經變得常見。Fast Stable Diffusion XL on TPUv5e 是在 Hugging Face 平臺上建立的演示模型，使用 TPU v5e 運行 SDXL 模型，大幅提高了圖像生成速度，生成一張 1024x1024 圖像只需約 10 秒。
嘗試用Bing會圖，但有些疑問，遠景、主體、光線 三層的描述不知應如何寫在同一次的設計指令中。莫非只能像現在這樣，分批寫逐漸疊圖嗎？
這篇要搭建一個同時生成寫實照片跟動漫風格圖片的工作流，還可以幫線稿上色。
這篇要運用自動遮罩、重繪、批次的技巧，幫同一個人物更換不同背景。
自動遮罩
自動遮罩採用Segment Anything這個節點組，載入圖片後可以依指定的提示詞自動產生遮罩圖像，這邊我要更換的是背景，所以先讓AI抓出人物後，再反轉遮罩範圍輸出，為了讓重繪圖像不要過於生硬，將遮罩進行了高斯模糊。
Tensor Art 使用 Stable Diffusion 的各種模型，也能使用ControlNet 和 LoRA功能，根據使用者的輸入來文生圖、圖生圖，生成各種風格的高質量圖像，包括人像、動人的風景、創意的抽象畫等。
Stable Diffusion Online是網頁版的Stable Diffusion AI圖像生成工具，省去了繁瑣的安裝和設定步驟，可以無限生成圖片，且不用註冊就可以免費使用，更棒的是還可以商業使用，為使用者提供更便捷的圖像生成體驗。
相信很多人在電繪過程中遇到最大的困難不是如何繪製線稿，而是不知道要如何上色，導致作品死板單調、完成度看起來不高。
而這次，我要教學如何使用「半厚塗」風來繪製皮膚。
當您需要對圖片進行優化調整，提升圖像質量時，您可能需要用到圖像增強軟體。一般來說圖片增強軟體會對您的圖像質量進行提升，有的時候您甚至能奇蹟般地獲得一張特別出彩的照片，因為部分圖片增強軟體融入了先進的人工智慧圖形改進技術，但前提是您選擇正確的圖片增強器。快使用圖像增強軟體實現照片編輯的魔力，完成前所未
Inpaint-web 免費開源的 AI 圖像擦除與放大工具，在用戶端瀏覽器載入模型，處理過程都在本機裝置上執行。完全免費，無須註冊也沒有限制次數，簡單塗抹標記即可擦除該區域的影像，輸出圖片會保留原來尺寸，還可將圖片解析度放大四倍。
Enhance This HiDiffusion SDXL是一個AI模型，結合HiDiffusion和SDXL兩種圖像生成模型，可以根據既有影像和文字描述生成新的圖像，可用來提高圖像解析度、修復瑕疵、轉換風格和自由創造新的圖像。
隨著人工智能技術的發展，AI 繪圖已經變得常見。Fast Stable Diffusion XL on TPUv5e 是在 Hugging Face 平臺上建立的演示模型，使用 TPU v5e 運行 SDXL 模型，大幅提高了圖像生成速度，生成一張 1024x1024 圖像只需約 10 秒。
嘗試用Bing會圖，但有些疑問，遠景、主體、光線 三層的描述不知應如何寫在同一次的設計指令中。莫非只能像現在這樣，分批寫逐漸疊圖嗎？
這篇要搭建一個同時生成寫實照片跟動漫風格圖片的工作流，還可以幫線稿上色。
這篇要運用自動遮罩、重繪、批次的技巧，幫同一個人物更換不同背景。
自動遮罩
自動遮罩採用Segment Anything這個節點組，載入圖片後可以依指定的提示詞自動產生遮罩圖像，這邊我要更換的是背景，所以先讓AI抓出人物後，再反轉遮罩範圍輸出，為了讓重繪圖像不要過於生硬，將遮罩進行了高斯模糊。
Tensor Art 使用 Stable Diffusion 的各種模型，也能使用ControlNet 和 LoRA功能，根據使用者的輸入來文生圖、圖生圖，生成各種風格的高質量圖像，包括人像、動人的風景、創意的抽象畫等。
Stable Diffusion Online是網頁版的Stable Diffusion AI圖像生成工具，省去了繁瑣的安裝和設定步驟，可以無限生成圖片，且不用註冊就可以免費使用，更棒的是還可以商業使用，為使用者提供更便捷的圖像生成體驗。
相信很多人在電繪過程中遇到最大的困難不是如何繪製線稿，而是不知道要如何上色，導致作品死板單調、完成度看起來不高。
而這次，我要教學如何使用「半厚塗」風來繪製皮膚。
當您需要對圖片進行優化調整，提升圖像質量時，您可能需要用到圖像增強軟體。一般來說圖片增強軟體會對您的圖像質量進行提升，有的時候您甚至能奇蹟般地獲得一張特別出彩的照片，因為部分圖片增強軟體融入了先進的人工智慧圖形改進技術，但前提是您選擇正確的圖片增強器。快使用圖像增強軟體實現照片編輯的魔力，完成前所未