SD-Web UI是来自B站的秋葉aaaki大佬制作的一款AI绘画启动器。
非常开心又进入学习时间,今天来学习关于图像大小、数量、CFG、种子等参数设置。
英版原文:https://stable-diffusion-art.com/automatic1111//automatic1111/
本文相关参数截图:
一、宽度和高度
不用解释所有人都明白,就是设置图片的大小。但需要注意一点,就是同样比例的图片精度不等于放大后为同样比例的图片精度。
比如,原本尺寸为1024*1024的图片精度不如512*512经过放大算法放大至1024*1024的图片精度,这是因为“改善总是比创造更容易的”,1024*1024会和原来一样生成瑕疵,但重绘是将这些瑕疵渐渐减少。
二、总批次数&单批数量
总批次数:总批次数为n,显卡出n次图,每次出一张。
单批数量:单批数量为n,显卡出一次图,一次出n张。
总之,显卡一般的电脑绘画时改总批次数。
三、 CFG
Classifier Free Guidance scale(分类器自由指导比例)是一个参数,用于控制模型应尊重你的提示的程度。如果CFG值太低,稳定扩散将忽略你的提示。太高时图像的颜色会饱和。
1 –大多忽略你的提示。
3 –更有创意。
7 –遵循提示和自由之间的良好平衡。
15 –更加遵守提示,图片的对比度和饱和度增加。
30 –严格按照提示操作,但图像的颜色会过饱和。
这是在控制其他参数的情况下,不同CFG的结果:
图3-1 不同CFG下的结果
至于CFG的系数选择,其实不同的采样方法对应着不同最佳的CFG数值,而且随着迭代步数的增加,细节增加后的高位CFG数值也会有所变化。
CFG在4-10之间比较适合,最佳的还是建议将迭代步数、采样方法结合起来看。
四、 种子与变异种子
种子:用于在潜在空间中生成初始随机张量的种子值。实际上,它控制图像的内容。生成的每个图像都有自己的种子值。
如果设置为-1,将使用随机种子值;如果设置为一个固定的种子值(比如用那个绿色的回收图标定为之前的图片样式),可以增加或替换关键词达到在图片上增加或替换的效果。
过强的关键词也会导致构图的改变,更推荐蒙版重绘进行修改。
变异随机种子:简单来说就是在原有的种子图上,新加入一个用其他种子值的图,最后生成两种图片的混合。其中“变异强度”指种子与变异种子之间的选择程度(权重),将其设置为0使用种子值。将其设置为1使用变异种子值。
变异强度0到1之间变化的简单例子:
图4-1 变异随机种子的应用(基于不同变异强度)
需要注意:在同一个种子值下,图片的内容会随着生成的长度和宽度的改变而改变,所以,要获得__清晰的原图_,还是建议在__后期__处理中采用__放大算法__。_
从宽度和高度中调整种子:就是调整变异种子增加后生成后的图片大小。
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。
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。
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。
二、AIGC必备工具
工具都帮大家整理好了,安装就可直接上手!
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。
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。
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。