AI绘画 Stable Diffusion【ControlNet控制网详解】:改善画质细节的tile模型实战

大家好,我是设计师阿威

在ControlNet中,有一个模型叫做Tile,翻译成中文为"瓷砖,瓦片"。在SD Web UI工具中经常翻译为“分块”,它的主要作用是在保持图片整体布局的基础上给照片添加细节。

基于这个特性,经常结合各种插件做图片的精细放大处理,用于对图片进行高清修复改善画质。另外它还有一个很重要的功能,就是用来转换图片风格,比如真人漫改,漫改真人、各种艺术字制作等。今天我们重点来看一下使用这个插件进行图片的高清处理以及细节处理。

一. Tile模型介绍

在上图中,tile模型的控制类型是Tile/Blur(分块/模糊)。这是由于在1.1.410版本后,引入了Blur预处理器,该处理器主要用于调整图片的模糊度。

Tile模型插件下载请扫描获取哦

二. 应用场景1:图片的高清修复

我们下面来看一下使用tile模型进行图片的高清修复。这里使用图生图的方式来操作。

【第一步】:图生图图片的上传

下面进行相关参数设置。

  • 采样器:DPM++ 2M Karras

  • 采样迭代步数:30

  • 图片宽高:512*512,我这里原图片宽高是64*64,这里最好调整到512*512,对图片进行等比例放大。

  • 生成数量:2,一次多生成几张,提高抽签概率

  • 重绘强度:设置为0.6,这个参数建议在0.5以上,大家可以多尝试**。**

【第二步】:ControlNet的设置

相关参数设置如下:

  • 控制类型:选择"Tile/Blur"

  • 预处理器:tile_resample

  • 模型:control_xxx_tile

  • 控制权重 : 设置为1

【第三步】提示词的编写

由于使用了图生图,所以我们可以根据画面的内容简单的写一下提示词。

A dog is sitting on the grass。

如果图片比较复杂,可以借助Tagger工具反推出提示词。

【第四步】大模型的选择以及图片的生成

这里我们使用一些通用的写实模型即可。我这里使用的是DreamShaper 8。可以结合自己的图片特点选择对应的大模型。

点击【生成】按钮,最终生成的图片效果如下。

对比一下使用tile模型处理前后的区别。

三. 应用场景2:增加细节

我们直接使用上面生成图片,在文生图中使用tile模型对图片进行处理一下。

我们看一下生成的图片效果,图片增加了更多的细节。

对比一下使用tile模型处理前后的区别。

下面我们添加一些提示词看一下效果。我们在提示词中添加"被五颜六色的鲜花环绕"。

best quality,masterpiece,A dog is sitting on the grass,((surrounded by colorful flowers:1.2)),

再换一下提示词,在提示词中添加"冬天,在雪地里"。

best quality,masterpiece,A dog is sitting in the snow,((winter,It is snowing:1.2)),

三. 应用场景3:修改细节(局部调整)

我们在提示词中添加头发的颜色"红色头发"。

a super beautiful Chinese girl,very delicate features,long hair,delicate skin,big eyes,

white sweater,necklace,((red hair:1.2)),

standing in the street,upper body,

生成的图片效果如下:

从上面生成的图片可以看出,tile模型成功地修改了图片的细节。但是tile模型的实现机制是是对图像进行重绘,并不是局部修改,所以整个图像上还是会有些细微的变化。

关于ControlNet的tile模型,这是一个非常重要的模型之一,有很多的应用场景,各种不同玩法,后续还会继续介绍。

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

在这里插入图片描述

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

若有侵权,请联系删除
  • 10
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
stable diffusion controlnet是一个用于络技术的源码,它主要用于实现络中的扩散控制功能。扩散控制是指通过调整络节点之间的通信速率,以实现络资源的平衡利用和避免络拥塞的技术。 源码分析是指对该源码进行深入的研究和解析。 首先,stable diffusion controlnet的源码可以从开源社区或者相关的资源库中获取。我们首先需要对源码进行编译和构建,确保可以成功地在我们的环境中运行。 然后,我们可以对源码的结构进行分析。通常,源码会包含多个文件和目录,其中主要包括各种类、函数和变量的定义和实现。我们需要仔细阅读每个文件和目录的功能和作用,了解它们之间的关联和调用关系。 在阅读源码的过程中,我们可以关注以下几点: 1. 络扩散控制算法:源码中会实现络扩散控制的核心算法。我们需要了解算法的原理和实现方式,以及它如何根据络环境的变化来动态地调整节点之间的通信速率。 2. 数据结构:源码中通常会定义一些数据结构,用于存储和处理络中的节点信息、拓扑结构和通信状态。我们需要了解这些数据结构的定义和使用方式,以及它们在算法中的作用。 3. 调度和控制逻辑:源码中可能会包含一些调度和控制逻辑,用于管理络中各个节点的通信行为。我们需要分析这些逻辑的实现方式和策略,了解它们如何协调和控制节点之间的通信行为,以保证络资源的平衡利用和避免拥塞。 4. 代码的可读性和健壮性:除了功能实现外,源码的可读性和健壮性也是需要关注的。我们可以评估源码的编码规范、注释和错误处理机制等方面,以确保代码的可维护性和稳定性。 总之,通过对stable diffusion controlnet源码的分析,我们可以深入了解络扩散控制技术的实现方式和原理,为实际应用和二次开发提供参考和指导。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值