Stable Diffusion ControlNet 姿势约束终篇,解锁任意手部形状,实现手部自由

在上一节 实现骨骼姿势自由篇,我们可以随意的控制身体的姿势,不过对于手部细节就一言难尽了!

图片

我们随便来一个身体姿势看看手部

身体姿势图片

出图效果图片

emmmm… 姿势有了,但是四肢确实看不了。

今天我们就来彻底解决这些问题!

一 3d-open-pose-editor 介绍

图片

3D open pose editor 功能:

  • 姿势编辑: 通过选择关节并使用鼠标旋转编辑 3D 模型的姿势。
  • 手部编辑: 通过选择手部骨骼并使用彩色圆圈微调位置来精调手部位置。
  • 深度 / 法线 / Canny 地图: 生成和可视化深度、法线和 Canny 地图,以提高 AI 绘图的质量。
  • 保存/加载/还原场景: 使用内置的保存和加载功能保存进度并在以后恢复。
  • 调整身体参数: 调整各种身体参数,如身高、体重和肢体长度,创建自定义的 3D 模型。

简单来说,可以支持身体姿势和四肢的编辑,并且生成姿势、深度、法线和canny 特征图,一键发送到 文生图/图生图中使用。

二 安装

和其它插件安装方法一致,直接在 拓展菜单中输入地址进行安装,重启 https://github.com/nonnonstop/sd-webui-3d-open-pose-editor图片

三 应用

我们通过 一个完整的例子来看看效果到底怎么样。

姿势编辑

我们可以通过加载一张图片或者是直接设置随机姿势进入编辑态。

图片图片

可以通过点击关节处进行编辑姿势。编辑完成后可以点击 生成或这样右下角播放按钮进行生成 姿势图/canny/深度和法线特征图

姿势导入

编辑完成后,可以点击右下角的四张预览图就可以下载到本地了图片

将下载好的特征图分别放入到不同的 ControlNet 设置中。(建议最多放三个即可,设置的过多出图效果反而很差)

在这我导入了 openpose, cannydepth 三个ControlNet

图片

其中:

  • openpose:模型是 control_v11p_sd15_openpose,不需要设置预处理器
  • canny:模型是 control_v11p_sd15_canny,不需要设置预处理器
  • depth:模型是 control_v11p_sd15_depth,不需要设置预处理器

出图

最后来看看出图的效果图片

整体抽卡的成功率还是很高的。如果希望整体效果更好,特别是手部的细节。那么可以在编辑姿势的时候尽可能的让整个姿势图占到整个图片的大小或者设置更大的分辨率。

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

对于0基础小白入门:

如果你是零基础小白,想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:stable diffusion安装包、stable diffusion0基础入门全套PDF,视频学习教程。带你从零基础系统性的学好AI绘画!

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

1.stable diffusion安装包 (全套教程文末领取哈)

随着技术的迭代,目前 Stable Diffusion 已经能够生成非常艺术化的图片了,完全有赶超人类的架势,已经有不少工作被这类服务替代,比如制作一个 logo 图片,画一张虚拟老婆照片,画质堪比相机。

最新 Stable Diffusion 除了有win多个版本,就算说底端的显卡也能玩了哦!此外还带来了Mac版本,仅支持macOS 12.3或更高版本

在这里插入图片描述

2.stable diffusion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,一步步带你入坑stable diffusion,科学有趣才能更方便的学习下去。

在这里插入图片描述

3.stable diffusion模型下载

stable diffusion往往一开始使用时图片等无法达到理想的生成效果,这时则需要通过使用大量训练数据,调整模型的超参数(如学习率、训练轮数、模型大小等),可以使得模型更好地适应数据集,并生成更加真实、准确、高质量的图像。

在这里插入图片描述

4.stable diffusion提示词

提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言,整个SD学习过程中都离不开这本提示词手册。

在这里插入图片描述

5.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

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
这份完整版的学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

  • 3
    点赞
  • 4
    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。
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