Stable diffusion采样器的差别——个人感官总结（不严谨分析，求大佬指教）

最新推荐文章于 2024-06-04 13:52:54 发布
最新推荐文章于 2024-06-04 13:52:54 发布
阅读量675 收藏 1
点赞数
分类专栏： Ai绘画 文章标签： stable diffusion
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/m0_60457098/article/details/132351934
版权

一共22种采样器

【2个】Eular 和 Eular a

【3个】LMS 和 LMS Karras 以及PLMS 

【2个】DPM fast 和 DPM adaptive 

【4个】DPM2 和 DPM2 的 a，Karras ，a Karras  

【8个】DPM2++的 2S a ，2S a Karras

              和 2M ，2M SDE ，2M SDE Karras ，2M Karras

          以及 SDE  ，SDE Karras

【3个】DDIM  UniPc  Heun 

后缀感觉是
a  光感好  >加大大量碎块
SDE  更真实感 >加入离散少量碎块
Karras  有焦距感-景深感-变形感 >加色，更鲜艳，加离散少量色彩碎块
2M  细节明显>配合SDE
2S  细节更明显>配合a

揍揍不走
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
Stable diffusion——Sample采样器 区别与选用
天上的光博客
04-21 215
SD生成图像的过程，是生成一张随机的噪点图，通过不同的采样方法，逐步去除图像中的噪点，这个过程我们称为采样，而不同的采样方法，我们把它称为采样器。采样的过程一般十几次或二十几次，每一步都在原本杂乱的基础上，生成进一步的清晰图像，经过若干次的去噪修正，我们最终得到想要的图片。采样步数，就是采样过程的次数。总体上讲，采样步数越多，生成的图像就越细腻，而与此同时，我们运算的次数以及耗费的时间就要长一些。
AI 绘画Stable Diffusion 研究（八）sd采样方法详解
w风雨无阻w的专栏
08-14 1万+
在 Stable Diffusion中目前已经有很多采样方法 ，不同的采样方法，出图效果不同。这里将详细介绍这些采样方法，以及在使用 Stable Diffusion 的过程中，怎么选择合适的采样方法。
Stable diffusion采样器详解
最新发布
程序那些事
06-04 591
在我们使用SD web UI的过程中，有很多采样器可以选择，那么什么是采样器？它们是如何工作的？它们之间有什么区别？你应该使用哪一个？这篇文章将会给你想要的答案。
Stable Diffusion的模型选择，采样器选择，关键词
zzZ_CMing的博客
10-17 1825
模型下载地址：https://civitai.com/，需要科学上网。
Stable Diffusion中不同的采样方法
weixin_47420447的博客
01-17 2349
在 Stable Diffusion 模型中，采样方法是从学习到的概率分布中生成图像的算法。采样方法影响生成图像的质量、样式、速度以及过程的控制程度。
全面理解Stable Diffusion采样器
weixin_44966641的博客
12-24 3075
在生成图片时，Stable Diffusion 会先在隐层空间（latent space）中生成一张完全的噪声图。噪声预测器会预测图片的噪声，将预测出的噪声从图片中减去，就完成了一步。重复该过程，最终将会得到清晰的图片。由于 Stable Diffusion 在每一步都会产生一个新的图像样本，因此去噪的过程被也被称为采样。采样过程所使用的方法被称为采样方法或采样器。采样器负责执行去噪步采样只是 Stable Diffusion 模型中的一部分。
【AIGC】Stable Diffusion的采样器入门
qq_27070223的博客
02-12 2553
在 Stable Diffusion或其他图像生成模型中，图像收敛通常意味着生成的图像质量和逼真度逐渐提高，同时图像的多样性和噪声减少。图像收敛是图像生成任务中的一个重要目标，它表示模型学习到了数据的重要特征和分布规律，并能够生成与真实数据相似的图像。较高的温度值会增加随机性，导致生成更多样化的图像，而较低的温度值则会减少随机性，使生成图像更加稳定。UniPC：UniPC 采样器是一种基于单个预测器的采样器，可能具有较低的计算成本和较快的生成速度，但可能会牺牲一些图像质量。
Stable-Diffusion WEBUI 简体中文语言包（2023.05.30更新）
05-30
AI绘图，Stable-Diffusion WEBUI，本地化（简体中文）语言文件。 原始文件来自翻译插件，根据自己实际使用情况，增加和修改了一些翻译。 配合【双语插件】看上去要自然一点，内容还在继续完善中。 本次增加了一些...
AI-绘画的工具准备：Stable-Diffusion使用教程.pdf
06-03
AI-绘画的工具准备：Stable-Diffusion使用教程
stable diffusion webui使用入门教程（不含安装）.pdf
05-09
《stable diffusion webui使用入门详解》 stable diffusion webui 是一款强大的基于文本到图像生成的工具，尤其适合于艺术创作和图像编辑。该工具提供了直观的UI界面，让用户无需深入技术细节即可进行操作。本文将...
Stable-Diffusion-WebUI（秋叶）和Stable-Diffusion–forge
05-10
百度网盘下载
零基础自建Stable Diffusion绘图教程-AutoDL
07-06
零基础自建Stable Diffusion绘图教程——AutoDL，创建Al绘画环境，了解控制台，创建Stable Diffusion绘图环境
Stable Diffusion 超详细讲解
热门推荐
略懂……略懂……
06-03 2万+
本文将在《Stable Diffusion原理详解》和《Diffusion Model 深入剖析》这两篇文章的基础上，进一步细致地讲解 Stable Diffusion 的算法原理。
[AIGC] Stable Diffusion 采样器：综合指南
unity尧明的博客
01-02 2345
采样器负责执行去噪步骤。为了生成图像，Stable Diffusion 首先在潜在空间中生成完全随机的图像。然后噪声预测器估计图像的噪声。从图像中减去预测的噪声。这个过程重复十几次。最后，你会得到一个干净的图像。这个去噪过程称为采样，因为稳定扩散技术每一步都会生成一个新的样本图像。采样中使用的方法称为采样器或采样方法。采样只是稳定扩散模型的一部分。阅读文章“稳定扩散如何工作？”如果你想了解整个模型。下面是一个正在运行的采样过程。采样器逐渐产生越来越清晰的图像。
Stable Diffusion AI绘画学习指南【常用模型,采样器介绍】
JBBOY的专栏
08-01 2797
DPM++ 2M karras(20-30 步)、unpic（15-25 步）、如果想要高质量的图，不收敛可以选择 DPM++ SED Karras,DDIM (10-15 步，较快) ，如果要简单的图可以选 Euler,heun 可以减少步骤以节省时间，如果想要稳定可复线的图（Euler a、DPM2 a、DPM++ 2s a、DPM2 a karras、DPM2 ++ 2s a karras,避免采用任何祖先采样器）使用了噪声时间表，控制每个步骤的噪声水平，随着采样步骤的增加，减少了截断误差。
Stable Diffusio——采样方法使用与原理详解
知来者逆的博客
02-24 1963
采样器算法负责控制去噪的具体操作，而另一个名为“噪声调度器”（noise scheduler）的算法则负责调节去噪的程度，决定每一步去除多少噪声，以确保整个过程高效又精准。
Stable Diffusion - 采样器 DPM++ 3M SDE Karras 与 SDXL Refiner 测试
Mystra
09-18 5445
DPM-Solver++ 使用数据预测模型来求解扩散 ODE，并且采用阈值方法来保证解与训练数据分布相匹配。因而，进一步提出多步变体的 DPM-Solver++，通过减小有效步长来解决不稳定性问题。实验表明，DPM-Solver++ 可以在只有15到20步的情况下，为像素空间和潜在空间的DPMs生成高质量的引导采样。
Diffusion 和Stable Diffusion的数学和工作原理详细解释
elaine_bao的专栏
03-15 802
扩散模型的兴起可以被视为人工智能生成艺术领域最近取得突破的主要因素。而稳定扩散模型的发展使得我们可以通过一个文本提示轻松地创建美妙的艺术插图。所以在本文中，我将解释它们是如何工作的。
Stable Diffusion教程
weixin_37391237的博客
06-03 8093
Stable Diffusion是一种潜在扩散模型（Latent Diffusion Model），能够从文本描述中生成详细的图像。它还可以用于图像修复、图像绘制、文本到图像和图像到图像等任务。简单地说，我们只要给出想要的图片的文字描述在提Stable Diffusion就能生成符合你要求的逼真的图像！Stable Diffusion将“图像生成”过程转换为逐渐去除噪声的“扩散”过程，整个过程从随机高斯噪声开始，经过训练逐步去除噪声，直到不再有噪声，最终输出更贴近文本描述的图像。
支持stable diffusion和支持stable diffusion web区别
11-28
根据提供的引用内容，可以得知 Stable Diffusion 是一个画像生成 AI，能够模拟和重建几乎任何可以以视觉形式想象的概念，而无需文本提示输入之外的任何指导。而 Stable Diffusion Web UI 是一个基于 Stable Diffusion 的基础应用，利用 gradio 模块搭建出交互程序，可以在低代码 GUI 中立即访问 Stable Diffusion。Stable Diffusion Web UI 提供了多种功能，如 txt2img、img2img、inpaint 等，还包含了许多模型融合改进、图片质量修复等附加升级。通过调节不同参数可以生成不同效果，用户可以根据自己的需要和喜好进行创作。因此，Stable Diffusion 是一个 AI 模型，而 Stable Diffusion Web UI 是一个基于 Stable Diffusion 的应用程序，提供了更多的功能和交互性。

“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 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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