店小二的AI繪圖
18公開內容
AI繪圖教學、心得、作品
全部內容
免費與付費
最新發佈優先
高保真圖像放大？？超高清無損？滿滿的細節？ – StableSR…….
由於現有顯卡性能限制，想要在圖生圖裡重繪放大一張圖到4k以上的尺寸就得要借用各種分格繪圖再重拼接成大圖的方式，無法一次生成。之前試過大家很推崇的Ultimate SD upscale，但對於我要重繪放大的”真人寫實照片”類型的圖來說，一直出現各種問題........
關於Tile模型，在網路上普遍的教學說法就是它可以”增加畫面細節”、”高清修復放大”，有多神多好用，用了它會讓原圖畫面變更細緻/精緻….等等。但一開始看了很多Youtube上對於tile的教學，我整個印象就是沒能有一個貫通的邏輯性有很明確的指出Tile到底對SD起到的約束/影響是什麼.....
ControlNet的Inpaint主要功能和我們過去圖生圖裡的Inpaint局部重繪大致是一樣的作用，而其中一個預處理器(inpaint_only_lama)還可以產出不錯的背景填充延伸圖(Outpainting)。
ControlNet 官方的其它特殊效果主要有 Shuffle、Tile、Inpaint、IP2P、Reference，其中Tile和Inpaint會花比較多篇幅就之後另外再介紹，這篇就先來看Shuffle & IP2P & Reference這三種ControlNet成像效果。
Shuffl
語義分割(Semantic Segmentation)指的就是針對畫面中每個像素點進行辨別分類(山、河流、人、車、沙發….等)，並將同一類型的區域分塊標註成特定顏色。而ControlNet的控制約束裡就有這一項功能。
ControlNet的OpenPose是一開始最主要引起大家關注的一項約束類型。透過提取出原圖中人物的動作姿勢骨架圖，讓我們可以更精準地做到對成像人物姿勢的掌控，即使是一些光靠文字描述也形容不出的動作姿勢，也能輕易實現。
OpenPose 預處理器 & 實例
OpenPose目前的預處理器有
ControlNet的Depth可以提取出畫面中人物/物體的前後關系/前景後景的分別，而Normal(法線)則可以紀錄出畫面中物體的凹凸面訊息。透過這兩種ControlNet約束類型，就可以幫助我們對成像的空間深度關係與物體的凹凸立體感/亮面暗面的光影效果進行約束控制。
Depth
Dept
ControlNet裡，目前針對邊緣檢測進行線條約束的類型分別有Cannny、Lineart、SoftEdge、Scribble以及MLSD。
雖然有了圖生圖讓我們除了文字描述外，能利用圖片參照的方式對Stable Diffusion生成結果進行引導，但它仍然還有許多不足的地方。有些時後我並不想整張圖都完全參照，只是想提取出參考圖中單一/部分的特定元素(構圖、人物/物體間空間關係、配色、肢體動作、外觀輪廓……等)來對生成的圖像結果進行約束.
