前言
Stable Diffusion WebUI 的绘画插件 Controlnet 最近更新了 V1.1 版本，发布了 14 个优化模型，并新增了多个预处理器，让它的功能比之前更加好用了，最近几天又连续更新了 3 个新 Reference 预处理器，可以直接根据图像生产风格类似的变体。
使用 Reference only 预处理器生成一张图片的多个变体
因为 Controlnet 在更新时涉及到多个网页里的不同的资源，这里帮大家梳理一下更新 V1.1 所需要的各种资源，以及如何有效的安装 Controlnet 插件。如果你还没有安装 Stable Diffusion WebUI，可以阅读下面这篇文章，了解安装 WebUI 需要的电脑配置，以及下载相关的一键安装包。
一、安装 Controlnet 插件
所有的AI设计工具，模型和插件，都已经整理好了，👇获取
①打开 WebUI，点击“扩展”选项卡，选择“从网址安装”，复制（https://github.com/Mikubill/sd-webui-controlnet.git ），粘贴在第一行的“拓展的 git 仓库网址”中。点击“安装”按钮，等待十几秒后，在下方看到一行小字“Installed into stable-diffusion-webui\extensions\sd-webui-controlnet. Use Installed tab to restart”，表示安装成功。
（从网址安装可以保证插件的更新能在 WebUI 中自动显示，如果是下载压缩包文件放进根目录，就无法自动更新）
②点击左侧的“已安装”选项卡，单击“检查更新”，等待进度条完成；然后单击“应用并重新启动 UI”；最后完全关闭 WebUI 程序，重新启动进入（也可以重启电脑），我们就可以在 WebUI 主界面中下方看到 Controlnet 的选项。
③如果安装后 Controlnet 界面只有一个选项卡，你可以点击“设置”界面，找到 Controlnet，将 Multi Controlnet 中设置你想要的值，点击保存设置并重启 WebUI。
④此时我们可以打开 WebUI 所在的文件夹，进入 Controlnet 的根目录，具体路径为 C:\Stable Diffusion\novelai-webui-aki-v3\extensions\sd-webui-controlnet，打开 models 文件夹，里面有 38 个尾缀为.yaml 的文件，最新的 Reference 系列也在其中；再点开 WebUI 中 Controlnet 中的预处理器（preprocessors）列表，会发现二者的内容完全一致。因为 yaml 文件就是预处理器文件，它们规定 Controlnet 提取图像的那些特征。
到这一步我们已经成功安装了 Controlnet 插件，以及提取预处理器所需要的 .yaml 文件，下一步就是安装模型（models），模型的文件尾缀为 pth，它的作用是将图像特征执行到我们的图像生成过程中，Controlnet V1.1 的模型需要我们到 Huggingface 中去下载。
二、安装 V1.1 新模型
Controlnet V1.1 模型下载：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main（文末有安装包）
在这个 Huggingface 页面中，我们只需要下载全部 14 个.pth 尾缀的模型文件，下载方式为点击“文件大小”右侧的下载小箭头。下载完成后，将 14 个文件放入 .yaml 所在的文件夹，即 C:\Stable Diffusion\novelai-webui-aki-v3\extensions\sd-webui-controlnet\models。
三、安装 T21 模型
所有的AI设计工具，模型和插件，都已经整理好了，👇获取~
T2I- Adapter 模型下载 ：Adapter/tree/main/models（文末的链接里有 T2I- Adapter 的 Color、Style 模型）
T2I- Adapter 详细介绍
ControlNet V1.1 支持目前所有可用的模型和预处理器，包括 T2I- Adapter 模型。T2I- Adapter 模型由 TencentARC 研发，和 ControlNet 的模型作用类似，都是可以精准控制图像生成效果，T2I- Adapter 的模型可在 ControlNet 中使用，而且二者模型功能有重合。
ControlNet 插件的自带 T2I- Adapter 的 Color、Sketch 和 style 预处理器，为 sd14 版本 ，所以我们可以只下载 Color 和 Style 对应的模型（Sketch 功能和 softedge 差不多，我就不重复下载了），记得要选择对应的 sd14 的版本，不然模型无法生效。这两个模型我都放进都文末的链接里了。
下载完成后，依旧是放入 Controlnet 根目录的 models 文件夹中，然后在 WebUI 的 Controlnet 中，按“模型”选项右侧蓝色小图标刷新模型，就能看与我们下载的全部 16 个模型了。
四、试用 V1 .1 新功能
Controlnet V1 .1 更新介绍：https://github.com/lllyasviel/ControlNet-v1-1-nightly
Controlnet V1 .1 在 V1.0 的基础上对模型进行了优化，并新增了不少新的预处理器，还进一步规范了模型的命名，方便大家识别模型的不同版本和状态，具体见下图：
不同模型的作用和使用方法，Controlnet 官方的在相关 Github 界面中都有详细介绍，篇幅所限我就不一一赘述了。我选了 3 个功能做演示，让大家快速熟悉 Controlnet V1.1 的用法。
1. Reference 预处理器
Reference 是官方最新推出的预处理器，共有三种型号 Reference_only、Reference_adain 和 Reference_adain+atten。它只有 yam l 配置文件，没有 pth 模型文件，可以根据上传的图像生成类似的变体，来看一下它的具体使用效果。
① 在 Controlnet 上传一张图片，勾选启用，预处理器选择 Reference_only，其他参数默认。
② 选择一个大模型( 因为要生成写实人像，所以我选择写实风模型 RealisticVisionV20），输入提示词“best quality, A handsome man wearing a (white T-Shirt), angry”，步数 25，采样方法 EularA，画面尺寸 512*768px，然后点击生成。
③ 生成图与原图风格内容类似，但是人物的表情已经在 angry 的作用下发生变化了。我以同样的参数又测试了 Reference_adain 和 Reference_adain+atten，可以看出 only 和 adain+atten 比较贴近原图形象，adain 变化最明显。
④ 使用 Reference 时我们需要了解的一项参数是“Style Fidelity”，意思是风格保真度。
我用 adain+atten 处理器和固定的种子值，分别生成了 Style Fidelity 为 0/0.5/1 的图像。Style Fidelity 为 0 时，生成图像的色调、人物的衣着、背景与原图差异很明显，人物的表情更符合提示词；Style Fidelity 为 1 时，图像的色调和人物五官和原图非常相似，甚至提示词 angry 已经不起作用的，人物是微笑的。所以 Style Fidelity 数值越高，生成的图像就越像原图。
Reference 预处理器需要在高于 1.1.171 的更新中使用，官方推荐的两个参数：
Reference_only / Style Fidelity: 0.5 建议作为默认值，出图效果稳定
Reference_adain+attn/ Style Fidelity: 1.0 是目前最先进的，值得尝试，但不建议作为默认值
2. Tile 磁贴
Tile 模型的作用是可以忽略原图的细节，根据现有像素和提示词生成新的细节，目前主要作用是将严重模糊的图片放大并变得高清。我们以一张 64x64 px 的图片看一下它效果。
① 在 Controlnet 上传一张图片，勾选启用，预处理器选择 tile_resample，模型选择对应的control_v11f1e_sd15_tile，其他参数默认。
② 选择一个大模型( 我用的写实风模型 realisticVisionV20），输入提示词“ best quality, a cute dog on grassland”，步数25，采样方法 EularA，画面尺寸512*512px，生成批次2，固定种子值 12345， 然后点击点击生成，最后得到了2张非常高清的图像，只是细节上有轻微差别。
③ 我又用几种不同的图像放大工具对 64x64px 的原图进行放大，得到的结果如下：
由于 64x64 px 分辨过于低，用一般放大工具的极限放大 4 倍也只有 256*256px；而且原图的像素值太少，所以图像即使变大，看着依旧模糊。而 Tile 模型则可以再有限像素值的基础上，分块扩散画面的内容，最终生成与原图相似且极为清晰的图片。
Tile 模型还有一个特点：当提示词与给定的图像不符合时，Tile 会忽略提示词的影响，转而自动识别图块内部的内容，并增加识别语义的影响，从而生成与图块相似的图像。
下图是官方给的一个示例，提示词是““a handsome man”，指定的图块里却是一片树叶，而 Tile 的生成结果也是将树叶放大了，没有在树叶里再加一个帅哥，这说明 Tile 自动识别的图块的内容是“树叶”并进行了处理。
三、T2I- Adapter Style
最后给大家介绍一非常有意思的 T2I- Adapter Style 模型，它可以将一张图片的风格迁移到另一张图片上。我成功用 Style 模型将一张建筑照片转为赛博朋克风的图片，具体操作如下：
① 在 Controlnet 中点击 Controlnet Unit 0，上传一张 512*768 px 的建筑图片，我们称为主图。勾选启用，预处理器选择 mlsd，并选择对应的 mlsd 模型，以固定图像额主体结构。点击预处理器旁的爆炸小按钮，预览出图效果。
②点开 Controlnet Unit 1, 上传一张 512*768 px 的霓虹光效图片，称为副图。勾选启用，预处理器选择 t2ia_style_clipvision，并选择对应的 style 模型。
③ 选择一个大模型（我用的是 realisticVisionV20），提示词可以不写，步数25，图像尺寸 512*768 px，生成批次2，点击生成。最终效果图如下，霓虹光效的风格已经完美迁移到建筑照片上了。因为使用了 mlsd 模型进行结构控制，原图的建筑结构保留得很完整。
④我将 Controlnet Unit 1 的霓虹图像换成了一张动漫风格的图像，看看能不能将原图建筑变成二次元风格，结果并不理想（下图二），想了想发现可能是大模型不对 ，于是把写实风的realisticVisionV20 改成了 二次元风的 AnythingV3模型，配对的 VAE模型为 vae-ft-mse-840000-ema-pruned ，效果就好了很多。
使用 T2I- Adapter Style 模型需要注意：
接受风格改变的主图放在 Controlnet Unit 0，提供风格的副图放在 Controlnet Unit 1，顺序不能颠倒，不然会影响出图效果。
主图、副图、最终生成图像的尺寸要保持一致。
大模型的风格要与副图（提供风格的图片）的风格一致，才能得到最好的效果。
这里分享给大家一份Adobe大神整理的《AIGC全家桶学习笔记》，相信大家会对AIGC有着更深入、更系统的理解。
有需要的朋友，可以点击下方免费领取！
AIGC所有方向的学习路线思维导图
这里为大家提供了总的路线图。它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。如果下面这个学习路线能帮助大家将AI利用到自身工作上去，那么我的使命也就完成了：
AIGC工具库
AIGC工具库是一个利用人工智能技术来生成应用程序的代码和内容的工具集合，通过使用AIGC工具库，能更加快速，准确的辅助我们学习AIGC
有需要的朋友，可以点击下方卡片免费领取！
精品AIGC学习书籍手册
书籍阅读永不过时，阅读AIGC经典书籍可以帮助读者提高技术水平，开拓视野，掌握核心技术，提高解决问题的能力，同时也可以借鉴他人的经验，结合自身案例融会贯通。
AI绘画视频合集
我们在学习的时候，往往书籍源码难以理解，阅读困难，这时候视频教程教程是就很适合了，生动形象加上案例实战，科学有趣才能更方便的学习下去。
745
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
