Stable Diffusion進階 -- ControlNet向外擴展（Outpaint）

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。

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。

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。

這樣就能產生品質非常不錯的外擴圖了！

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：

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。

[1.1.222] Preprocessor: inpaint_only+lama