前言
目录
🎈 界面参数
- 在使用
Stable Diffusion
开源AI
绘画之前,需要了解一下绘画的界面和一些参数的意义 - 目前 AI 绘画对中文提示词的效果不好,尽量使用英文提示词
- 最主要一些参数如下:
- Prompt: 正向提示词,也就是
tag
,提示词越多,AI
绘图结果会更加精准 - Negative prompt: 反向提示词,也就是反向
tag
- Width / Height:要生成的图片尺寸。尺寸越大,越耗性能,耗时越久。
- CFG scale:
AI
对描述参数Prompt
的倾向程度。值越小生成的图片越偏离你的描述,但越符合逻辑;值越大则生成的图片越符合你的描述,但可能不符合逻辑。 - 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
所有的AI设计工具,模型和插件,都已经整理好了,👇获取~![在这里插入图片描述](https://i-blog.csdnimg.cn/direct/ed868e5de34b4f99b1dddc6ec1d2438b.png#pic_center)
🎈 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)
🎈 模型下载
- 模型网站推荐:https://civitai.com/
- 左上角的下拉框可以用来选择模型,其中
v1-5-pruned-emaonly.safetensors
是默认模型 - 默认的模型画出来的图片比较丑,所以我们需要下载更好更适合的模型来绘画
- 每个模型侧重绘画的风格不一样,有些适合画人,有些适合画动漫,有些适合画风景,根据自己的需求选择适合自己的绘画风格模型进行下载
- 下载好模型,将模型文件放入到
models/Stable-diffusion
文件夹下,重载UI
,即可看到
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。