Stable Diffusion | AI协助室内设计神器，实现令人惊叹的视觉转换

最新推荐文章于 2024-09-04 14:45:00 发布

爱绘画的彤姐

最新推荐文章于 2024-09-04 14:45:00 发布

阅读量1.1k

点赞数 21

文章标签：人工智能 stable diffusion 计算机视觉 AI作画 AIGC midjourney

本文链接：https://blog.csdn.net/A2421417624/article/details/140316863

版权

你是否已经厌倦了传统的室内设计方式，想探索新方法来增强作品设计感？本期小编就同大家分享一个新武器，用Stable Diffusion的ControlNet来打造一个室内设计全新工作流。无论你是经验丰富的室内设计师还是初学小白，都将使你的日常工作如虎添翼、告别爆肝，焕发出令甲方爸爸们赞叹的设计感。

#01

/介绍

ControlNet是一种通过添加额外条件来控制扩散模型的AI神经网络结构，它提供了一种增强稳定扩散的方法。在文本生成图像的过程中，使用诸如涂鸦、边缘映射、分割映射、pose关键点等条件输入，可使生成图像更接近输入图像，对比传统图像到图像的生成方式有大幅的改进。

这是一个专门检测直线线条的ControlNet模型，该模型常被用于提取物体的线型几何边界，最典型的就是几何建筑、室内设计、路桥设计等领域。基于MLSD模型的这一特征特性，**MLSD模型特别适用于在建筑、室内方向方面的线条处理和着色上，它能够很好的检测出输入图像中的直线线条，避开其它非直线线条预处理。**因为仅识别直线线条，忽略曲线线条，因此在一张包含人物的输入建设图，经过MLSD模型预处理就能够很好的避开输入图中的人物线条检测。

对初识Stable Diffusion的小伙伴们来说，看到ControlNet有这么多预处理器选项，一定很抓狂。

但没关系，为了方便大家使用，小编对每种预处理器的功能给出了简单的描述：

**Canny 硬边缘：**黑色背景带有白色边缘的单色图像；
**Depth 深度：**灰度图像，黑色代表深区域，白色代表浅区域；
**Normal 常规：**法线图，表示物体的凹凸纹理，常用在3D模型的绘制上；
**OpenPose 姿态：**生成角色动作姿态的骨架图；
**MLSD 直线：**黑色背景上带有白色直线的单色图像；
**Lineart 线稿：**黑色背景上带有白色线稿单色图像；
**SoftEdge 软边缘：**黑色背景上带有白色软边缘的单色图像；
**Scribble 涂鸦：**黑色背景上带有白色轮廓的手绘单色涂鸦图像；
Seg 语义分割**：**根据原图中不同素材以相应颜色进行区分的彩色图像；
**Shuffle 随机洗牌：**通过使用随机流的方式来洗牌原图像，在控制稳定扩散的前提下重构出新图；
**Tile 分块：**将原图分割为一块一块的小区域(Tile/瓦块)，然后分别对每个瓦块进行图生图放大，最后集合所有放大后的瓦块，拼成完整的大图;
Inpaint 局部重绘**：**用于蒙版部分重绘，能在统一整体效果的前提下，补全蒙版部分的内容;
IP2P 像素对像素指令**：**该模型会自动识别像素对应提示词与新输入提示词的关系，并选择性的向新提示词迁移；比如把图片的光照调暗，让白天变为夜晚，在正向提示词中加入（make it night:1.3）、（night:1.3）即可；
Reference 参考**：**根据给定的参考图，画同一张图，但是有一定的变化，常用来保持人物角色的一致性；
T2IA 自适应**：**提取图片色彩或边缘，用于风格迁移；

到这里小编感觉一定有很多小伙伴们要开始抱怨了，这么多的预处理器，用哪个啊。别担心，本篇中的演示只会运用到两种最具代表性的预处理器，MLSD（直线）和Seg（语义分割），选择它们两个，并按照小编的步骤，即便你只有一张随手拍摄的毛胚房照片，也能完成一副有高级既视感的室内装饰效果图。光看文字有点晦涩，让我们先来看下这两种预处理器的实际效果。

可以看到两种预处理器的处理方式完全不同，接下来就告诉大家具体的使用步骤。

#02

/使用

首先设置Stable Diffusion模型，模型风格有很多种，比如二次元、写实风、插画、中国风等，建筑类推荐采用以下四个写实类风格的常用模型：

○ anything-v4.5

○ realisticVisionV20

○ PrimeMix_V2.1

○ chilloutmix_NiPrunedFp32Fix；

接着我们设置采样迭代步数Steps，默认为20，视不同图片尺寸和Stable Diffusion模型而定，通常设置在15-40左右，小编用10、15、20、25四个参数做演示。

最后设置采样方法Sampler，从界面中可选择的采样方法类型有很多，不同的采样方法生成图片的过程各不相同，这里小编列举了四个常用的采样方法：Eulera、DPM++ 2S a Karras、DPM++ 2M Karras、DPM++ SDE Karras。