〔003〕Stable Diffusion 之界面参数和基础使用篇_stable diffusion 参数设置

最新推荐文章于 2024-08-13 17:43:13 发布

2401_84573250

最新推荐文章于 2024-08-13 17:43:13 发布

阅读量990

点赞数 23

分类专栏：程序员文章标签：大数据面试学习

本文链接：https://blog.csdn.net/2401_84573250/article/details/138693141

版权

程序员专栏收录该内容

59 篇文章 0 订阅

订阅专栏

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

Sampling method： 采样方法。有很多种，但只是采样算法上有差别，没有好坏之分，选用适合的即可。
Sampling steps： 采样步长。太小的话采样的随机性会很高，太大的话采样的效率会很低，拒绝概率高
Seed： 随机数种子。生成每张图片时的随机种子，这个种子是用来作为确定扩散初始状态的基础。不懂的话，用随机的即可
Restore faces： 面部修复，优化面部的，原理是调用一个神经网络模型对面部进行修复，影响面部。修复画面中人物的面部，但是非写实风格的人物开启面部修复可能导致面部崩坏
Tiling： 无缝贴图，是一种老牌优化技术，即 CUDA 的矩阵乘法优化，影响出图速度和降低显存消耗，不过实际选上之后可能连正常的图都不出来了。打死不开
Highres.fix： 高分辨率修复，默认情况下，文生图在高分辨率下会生成非常混沌的图像。如果使用高清修复，会型首先按照指定的尺寸生成一张图片，然后通过放大算法将图片分辨率扩大，以实现高清大图效果

AI 绘画

▷ 采样器

Euler a： 是个插画，tag 利用率仅次于 DPM2 和 DPM2 a，环境光效菜，构图有时奇葩
Euler： 柔和，也适合插画，环境细节与渲染好，背景模糊较深
Heun： 单次出土平均质量比 Euler 和 Euler a 高，但速度最慢，高 step 表现好
DDIM： 适合宽画，速度偏低，高 step 表现较好，负面 tag 不够时发挥随意，环境光线与水汽效果好，写实不佳
DPM2： 该采样方式对 tag 的利用率最高，几乎占用 80% 以上
DPM2 a： 几乎与 DPM2 相同，只是在人物的时候可能有特写
PLMS： 单次出图质量仅次于 Heun
LMS： 质感 OA，饱和度与对比度偏低，更倾向于动画风格
LMS Karras： 会大改成优化的风格，写实不佳
DPM fast： 此为上界开发者所遗留的测试工具，不适合魔术师使用

采样器列表

▷ 文生图（txt2img）

文生图（text2img）： 根据提示词 Prompt 的描述生成相应的图片
选择 绘画模型（Stable Diffusion checkpoint） ► 文生图（txt2img） ► 填写正向提示词（Prompt） ► 填写反向提示词（Negative prompt） ► 选择采样器（一般选择DPM++ 2M Karras） ► 设置采样步骤（一般设置30） ► 设置长宽（Width / Height，推荐 1024 * 1536） ► 点击生成（Generate）
根据上面的步骤，即可通过文字生成图片了，一般我们只要编写 Prompt 即可， Negative prompt 一般都是固定的，限制一下水印，低质量以及其他可能出现的逻辑错误即可

文生图

▷ 图生图（img2img）

图生图（img2img）： 将一张图片根据提示词 Prompt 描述的特点生成另一张新的图片
选择 绘画模型（Stable Diffusion checkpoint） ► 图生图（img2img） ► 填写正向提示词（Prompt） ► 填写反向提示词（Negative prompt） ► 选择采样器（一般选择DPM++ 2M Karras） ► 设置采样步骤（一般设置30） ► 设置长宽（Width / Height，推荐 1024 * 1536） ► 点击生成（Generate）
将上传一张图片到图生图中，进行测试一下，这里使用的是刚刚文生图的照片，根据上面的步骤，点击生成，看看效果
可以看出：AI 图生图，其实就是根据你上传的图片和你的 Prompt 生成一张跟上传差不多的照片

图生图

▷ 标签权重

在输入 Prompt 标签的时候，有时候想到啥就会写啥，默认写在前面的权重会最高
在 stable Diffusion 中也可以通过特定符号提升关键词的权重
其中 () 是加强权重，[] 是降低权重，{} 是 NAI 对 () 的“实现”，<> 用于嵌入
例如：(eye) > [eye]，(eye:1.4) 会比正常情况多增加约 40%，(eye:0.6) 会减少约 40 %

# 默认关键词是1.1倍
(eye) = (eye:1.1)
((eye)) = (eye:1.21)
(((eye))) = (eye:1.331)
((((eye)))) = (eye:1.4641)
(((((eye)))) = (eye:1.61051)
((((((eye)))))) = (eye:1.771561)
[eye] = (eye:0.9090909090909091)
[[eye]] = (eye:0.8264462809917355)
[[[eye]]] = (eye:0.7513148009015778)
[[[[eye]]]] = (eye:0.6830134553650707)
[[[[[eye]]]]] = (eye:0.6209213230591552)
[[[[[[eye]]]]]] = (eye:0.5644739300537775)