Stable Diffusion ControlNet OpenPose | 以后出图姿势自由了!

接着进阶篇,前面我们学习了如何使用 ControlNet 的姿势约束,通过姿势约束控制出图的人物姿势和原图一致。

[

但有的时候我们不仅仅是需要想要和原图姿势一致,还需要调整人物的姿势,想要实现这种功能按照之前学习的内容就只能通过不断的调整提示词来控制。

今天要学习的 ControlNet OpenPose Editor 就可以很好的解决这个问题,从而实现姿势自由了!

一 OpenPose Editor

我们可以将 OpenPose 理解成是对 ControlNet 姿势约束的一大增强。前面我们学习了 DWOpenPose,通过 DWOpenPose 可以更好的提取到图片手部的细节。但终究还是直接提取,不能很好的自己编辑姿势。

而 OpenPose 则可以很好的支持通过导入图片识别姿势的同时,也能够直接编辑骨骼图,通过对骨骼图的编辑,可以实现任意姿势的图片。

要注意的是不管是 DWOpenPose 还是 OpenPoseEditor ,都只是在提取或者说是制作姿势特征图。而对特征图的识别和渲染方式没有改变,都是通过 control_v11p_sd15_openpose 实现。

安装安装和其他插件的安装一直,将安装连接 https://ghproxy.com/https://github.com/fkunn1326/openpose-editor.git 直接贴上去,通过网址安装。(安装完成后记得重启)

安装完成重启后就可以在 web ui 上看到 OpenPose编辑器 的菜单

二 功能介绍

骨骼图

其中对应序号的人体位置:

  • 1:眼睛

  • 2:肩关节

  • 3:肘关节

  • 4:腕关节

  • 5:髋关节

  • 6:膝关节

  • 7:踝关节 可以直接通过鼠标来控制对应的人体位置。

页面功能

其中:

  • 宽度&高度:可以调整右侧画面的长宽比,可以根据成图时画面的尺寸比例进行设置

  • 添加:在右侧画面中新增一个骨架

  • 清空画面:点击后会一键清空右侧所有内容

  • 从JSON文件加载:从电脑中选择JSON文件进行加载

  • Detect from Image:可以导入一张图片,SD会自动读取人物骨骼姿态,读取成功后可以进行二次编辑和调整

  • Add Background Image:可以导入一张图片作为背景,再根据背景图片调整骨架

  • Load Preset:加载预设

  • Save Preset:保存预设(点击后会把右侧的骨架信息作为预设进行保存)

  • 储存为JSON文件:点击按钮后,会把上方骨架信息保存为JSON文件,后续可直接导入文件

  • 保存为PNG图片:保存图片到本地电脑中

  • 文生图:把骨架信息导入到文生图的ControlNet中

  • 图生图:把骨架信息导入到图生图的ControlNet中

三 使用

我们通过一个例子快速学习 OpenPoseEditor,先上模特图。放入到编辑器中,OpenPoseEditor 可以自动提取骨骼图

我们可以随意的调整下骨骼图,紧接着发送到 文生图

在文生图的 ControlNet 中可以看到 OpenPose 中有发送过来的特征图(切记不要选择预处理器)

随便写点提示词,见证奇迹的时候到了!

正向提示词:3man,(masterpiece:1,2),best quality,best detail,
male focus,suspenders,grey pants,3boys,play basketball,

先不看手部,对于整体姿势的控制还是很到位的。而手部的控制,同样可以配套的手部骨骼图,这块在后续再细聊!

文章使用的AI工具SD整合包、各种模型插件、提示词、AI人工智能学习资料都已经打包好放在网盘中了,无需自行查找,有需要的小伙伴文末扫码自行获取。

写在最后

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。

感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。

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
  • 18
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
stable diffusion controlnet是一个用于网络技术的源码,它主要用于实现网络中的扩散控制功能。扩散控制是指通过调整网络节点之间的通信速率,以实现网络资源的平衡利用和避免网络拥塞的技术。 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. 网络扩散控制算法:源码中会实现网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,以及它如何根据网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,用于存储和处理网络中的节点信息、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,用于管理网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,以保证网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,我们可以深入了解网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