Stable Diffusion 模型界面介绍

界面1

图1 Stable Diffusion 模型界面1

①:选择的模型,及Stable Diffusion进行生成图片是使用的模型。其中.ckpt为大模型

②:prompt --> 正向提示词。表示你的想法,你想要生成一副什么样的图片,包含主体、风格、色彩、质量要求等等 ③:negative prompt --> 反向提示词。表示你不想要什么,如不想要图片出现什么,不想图片质量差,不想人物模糊或者多手多脚等 ④:提示词相关设置 ⑤:选择的样式,一般都是用于文生图(由文字生成图片)和图生图(由一个图片生成另一个图片)

界面2

图2 Stable Diffusion 模型界面2

界面2中都是参数设置

采样方法(Sampler):表示绘制时算法采用偏向哪种风格。目前大众使用的有两种,写实风格使用DPM++ SDE Karras;偏动漫风格一点使用DPM++ 2M Karras。

采样迭代步数(Steps):表示图片生成过程迭代的次数

面部修复(Restore faces):人物风格图片时针对脸部会有一定稳定效果,不会出现奇奇怪怪的五官或者模糊不清

平铺/分块(Tiling):一般不使用

高清修复(Hires.fix):将生成的图片进行高清放大,提升分辨率

宽度(Width):生成的图片宽度

高度(Height):生成的图片高度

生成批次(Batch count):表示绘制时通过几个批次进行绘画

每批数量(Batch size):表示每批生成几张图片

提示词相关性(CFG Scale):数值越大,生成的图片与你的prompt描述越像;数值越小与你的描述关联度越低。一般为5-10之间。

重绘幅度(Denoising):用于在原图上进行重绘的程度

随机种子(Seed):-1表示不基于图片种子进行绘制,完全基于你的prompt生成(未使用种子,出图都是随机状态);如果不为-1,生成的图片会依据图片进行二次绘制。(随机种子的用途就是固定生成图片过程中所产生的随机数,从而在下次生成图片时最大限度的进行还原)

差异随机种子(Variation seed):让生成的图片有更多变化。需点击Extra才能设置。

ControlNet: ControlNet是一个用于深度神经网络的控制技术,它可以通过操作神经网络块的输入条件来控制神经网络的行为

脚本(Script):功能相对较多,一般用得很少。

界面3

图3 Stable Diffusion 模型界面3

绘图、局部重绘、局部重绘(手涂蒙版):都是可以在线对原图进行修改;

局部重绘(上传蒙版):是上传原图和修改后端蒙版图

批量处理:对本地目录下的所有图片进行处理

缩放模式(Resize mode):对图片的尺寸的修改

4. 界面4

图4 Stable Diffusion 模型界面4

界面4 是关于ControlNet的参数设置

启用(Enable):勾选此选项后,点击 “生成” 按钮时,ControlNet 才会生效。

反色模式(Invert Input Color):将图像颜色进行反转后应用。

RGB 转 BGR(RGB to BGR):把颜色通道进行反转,在 NormalMap 模式可能会用到。

低显存优化(Low VRAM):低显存模式,如果你的显卡内存小于等于4GB,建议勾选此选项。

无提示词的猜测模式(Guess Mode):也就是盲盒模式,不需要任何正面与负面提示词,出图效果随机,很有可能产生意想不到的惊喜效果!

预处理器(Preprocessor):在此列表我们可选择需要的预处理器,每个 ControlNet 的预处理器都有不同的功能,后续将会详细介绍。

模型(Model):配套各预处理器需要的专属模型。该列表内的模型必须与预处理选项框内的名称选择一致,才能保证正确生成预期结果。如果预处理与模型不一致其实也可以出图,但效果无法预料,且一般效果并不理想。

权重(Weight):权重,代表使用 ControlNet 生成图片时被应用的权重占比。

引导介入时机(Guidance Start(T)):在理解此功能之前,我们应该先知道生成图片的 Sampling steps 采样步数功能,步数代表生成一张图片要刷新计算多少次,Guidance Start(T) 设置为 0 即代表开始时就介入,默认为 0,设置为 0.5 时即代表 ControlNet 从 50% 步数时开始介入计算。

引导退出时机(Guidance End(T)):和引导介入时机相对应,如设置为1,则表示在100%计算完时才会退出介入也就是不退出,默认为 1,可调节范围 0-1,如设置为 0.8 时即代表从80% 步数时退出介入。

缩放模式(Resize Mode):用于选择调整图像大小的模式:默认使用(Scale to Fit (Inner Fit))缩放至合适即可,将会自动适配图片。

一共三个选项:Just Resize,Scale to Fit (Inner Fit),Envelope (Outer Fit)

画布宽度和高度(Canvas Width 和 Canvas Height):画布宽高设置,请注意这里的宽高,并不是指 SD 生成图片的图像宽高比。该宽高代表 ControlNet 引导时所使用的控制图像的分辨率,假如你用 SD 生成的图片是 1000x2000 分辨率,那么使用 ControlNet 引导图像时,对显存的消耗将是非常大的;我们可以将引导控制图像的分辨率设置为 500x1000 ,也就是缩放为原本图像一半的分辨率尺寸去进行引导,这有利于节省显存消耗。

创建空白画布(Create Blank Canvas):如果之前使用过 ControlNet 功能,那么将会在 ControlNet 的图像区域留有历史图片,点击该按钮可以清空之前的历史,也就是创建一张空白的画布。

预览预处理结果(Preview Annotator Result):点击该按钮可以预览生成的引导图。例如:如果使用 Canny 作为预处理器,那么点击该按钮之后,可以看到一张通过 Canny 模型提取的边缘线图片。

隐藏预处理结果(Hide Annotator Result):点击该按钮可以隐藏通过 Preview 按钮生成的预览图像窗口(不建议隐藏)

界面5

图5 Stable Diffusion 模型界面5

反推提示词: ⒈使用CLIP模型从图片中反推图片用到的正向提示词 ⒉使用DeepBooru模型从图片中反推图片用到的正向提示词

模板风格(Styles):就是提示词的模板

①、②:读取你上一张图的所有参数信息(包括提示词) ③:删除、清空关键词 ④:模型选择管理 ⑤:提示词模板,将已选择的模板风格写入当前提示词 ⑥:提示词模板,将当前提示词(prompt )保存为模板风格

界面6

图6 Stable Diffusion 模型界面6

①:打开图像输出目录

②:保存当前选择的图片,会在下方出现图片链接,点击Download即可下载

③:将图片保存为压缩包格式

④:选择当前图片作为图生图的初始图片

⑤:选择当前图片作为图生图的初始图片,并能在图片上进行绘制

⑥:选择当前图片作为图生图附加功能进行绘制

好文阅读

评论可见,请评论后查看内容,谢谢!!!
 您阅读本篇文章共花了: