Stable Diffusion【应用篇】【手部修复】:SD手部问题修复大揭秘

在AI绘画中,手部问题一直是一个麻烦的问题。双手变形、手指缺失、手指多余这些问题常常困惑着我们。本文主要讨论一下关于Stable Diffusion**中有哪些方法可以用于修复手部问题。

一. 素材准备在文生图的功能界面生成一张有手部问题的图片。

  • 大模型:majicMIX realistic 麦橘写实_v7
  • 正向提示词

Prompt:a super beautiful chinese girl showing two hands,Open palms in a welcome sign,smiling,wearing pink dress,standing in the street,front view,upper body提示词:一个超级漂亮的中国女孩伸出双手,张开手掌做欢迎的手势,微笑着,穿着粉红色的衣服,站在街上,正面,上身,

  • 采样器:DPM++ 2M Karras

  • 采样迭代步数:25

  • 图片宽高:512*768

  • CFG: 7

随机抽取一张手指有问题的图片

图片

上面生成的图片2只手都有问题,后面都以这张图片的手部修复为例说明。

二. 方法1:使用图生图局部重绘修复手部问题

【第一步】:图生图局部重绘设置

在图生图局部重绘功能菜单界面,上传待手部修复的照片。

图片

由于2只手都有问题,为了获取最好的修复效果,最好分两步修复,先修复左手,再修复右手。我们先使用上图右边的画笔,将左边手部区域涂白。

下面是图生图局部重绘相关参数设置

图片

  • 蒙版模式:重绘蒙版内容,专门针对手部问题进行重绘。

  • 蒙版区域内容处理:原版

  • 重绘区域:整张图片

  • 采样器:DPM++ 2M Karras

  • 采样迭代步数:25

  • 图片宽高:512*768

  • CFG: 7

  • 重绘强度:0.7

【第二步】:大模型和正向提示词

大模型:majicMIX realistic 麦橘写实_v7

正向提示词:和生成图片的正向提示词保存一致。

【第三步】 图片的生成

由于生成的图片具有随机性,可能生成的图片不会立马满足我们的要求,建议多次生成,直到抽取到我们满意的一张图片为止。

图片

【第四步】 重复上面的步骤,修复右手

图片

相关说明:(1)这种方式修复的手部存在随机概率,可能需要反复抽签才能抽取到满意的一张。
(2)修复的手部是否好看,这个和模型的渲染能力有关系。二. 方法二:使用ControlNet的DWPose修复手部问题 【第一步】:图生图局部重绘设置在图生图局部重绘功能菜单界面,上传待手部修复的照片。

图片

我们将有问题的2只手使用画笔都涂白。

大模型、提示词、相关参数的设置和方法1中一样,这里就不赘余。

【第二步】:ControlNet Openpose模型设置**

图片

相关参数设置如下:

  • 控制类型:选择"OpenPose(姿态)"
  • 预处理器:dw_openpose_full
  • 模型: control_v11p_sd15_openpose

关于dw_openpose_full识别手部的预览图,可见监测出人的脸,手部,姿势等都非常全面。

图片

关于dw_openpose_full的介绍,可以参照之前的文章,里面有非常详细的讲解。【Stable Diffusion【进阶篇】:手部修复的实现方式(3)

【第三步】:图片的生成

图片

相关说明:(1)这种方式修复的手部操作容易,可控性很强,而且目前的DWPose控制器好像可以自动识别出有问题的手部,将生成的预览图手部展示正常,无需我们再次编辑处理。
(2)生成的手指的长度和接头处仍然可能存在不正确性。三. 方法三:使用ControlNet的HandRefiner修复手部问题 【第一步】:图生图局部重绘设置在图生图局部重绘功能菜单界面,上传待手部修复的照片。

图片

我们将有问题的2只手使用画笔都涂白。

大模型、提示词、相关参数的设置和方法1中一样,这里就不赘余。 【第二步】:ControlNet HandRefiner模型设置

图片

相关参数设置如下:

  • 控制类型:选择"Depth(深度)"
  • 预处理器:depth_hand_refiner
  • 模型:control_sd15_inpaint_depth_hand_fp16

关于使用depth_hand_refiner获取手部预览图效果如下。

图片

【第三步】:图片的生成

图片

好了,今天的分享就到这里了,希望今天分享的内容对大家有所帮助。

写在最后

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。
在这里插入图片描述

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
在这里插入图片描述

  • 10
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
stable diffusion是一种图像修复算法,可以应用于老照片的修复中。老照片由于年代久远、储存条件不佳等原因,常常出现褪色、色彩变化、模糊等问题。使用stable diffusion可以有效地修复这些老照片的问题,恢复照片的原貌。 stable diffusion算法的基本原理是通过对图像进行扩散和平滑操作,减少图像中的噪声和瑕疵,同时保持图像的细节和结构。修复老照片时,可以先对照片进行数字化处理,将照片转换为数字图像,然后使用stable diffusion算法对图像进行修复修复老照片的步骤如下:首先,在照片中标识出需要修复的区域,比如褪色的部分、撕裂的部分等。然后,将照片数字化,转换为数字图像。接下来,使用stable diffusion算法,对照片中需要修复的区域进行扩散和平滑操作,将图像中的噪声和瑕疵减少。在修复过程中,可以调整算法的参数,以达到最佳的修复效果。最后,对修复后的图像进行一些后期处理,比如调整光暗、对比度等,使修复后的照片更加清晰、明亮。 通过stable diffusion修复老照片不仅可以修复照片中的问题,还可以保留照片的原汁原味。而且,使用该算法修复照片的过程相对简单,只需进行一些基本的操作,即可修复老照片,使之焕发新的生命力。不过,需要注意的是,修复老照片时要保持适度,避免破坏照片的历史价值和纪念意义。

“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