拒绝低质量！一个技巧，搞定Stable Diffusion高清图片生成

最新推荐文章于 2025-03-07 17:35:00 发布

认真写程序的强哥

最新推荐文章于 2025-03-07 17:35:00 发布

阅读量5.2k

点赞数 18

文章标签： stable diffusion 人工智能 AI作画 AIGC

本文链接：https://blog.csdn.net/qq_41314882/article/details/137814999

版权

本文探讨了AI生成高清图片时Mj和SD之间的区别，SD在处理高分辨率时遇到的问题，以及如何利用高清修复功能实现小图定轮廓、大图出高清。文章强调了计算资源对AI绘图的限制，并给出了高效工作流建议和AIGC技术的未来发展展望。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

生成高清图片看起来是一件很简单的事情，似乎我们只要给AI设定一个足够高的分辨率，要求就能够达到。

但实际的操作，比我们设想复杂一些。会涉及到一些技术的问题，需要了解背后的逻辑，然后按照用AI绘图的逻辑来解决。

1. Mj与SD在生成高清图片上的差别

首先我们来看一下Mj和SD在生成高清图片上的一些差别。

Mj：默认生成的图像，单张图就是1024x1024，单张图就是1M像素的图片。Mj本身不提供更大分辨率放大的功能。

Mj：默认生成4张1024x1024子图

SD：基础模型默认生成的图片都是512x512，画面幅度明显偏小。但是提供了更高清图片的增强功能。

SD:默认512x512，子图数量可设置

SD:图片效果

512x512的像素，在我们日常使用中，属于非常低清晰度的画面、完全无法展示出清晰的细节，发朋友圈都不够用，更不用说业务上使用。因此图片的放大增强，是非常必要的操作。

2、SD中直接设置高分辨率的绘图问题

在SD中直接设置高分辨率的绘图会出现一系列的问题。这是一个SD特有的问题，其实关键的原因就在于它默认的模型是适配于512x512的图片大小的，按照这样的一个尺寸来训练的。

那在这种情况下我们直接要求它生成一个1024x1024，甚至2048x2048的图像，一方面会带来一个非常大的GPU计算资源的压力，另外一方面由于画面设置的过大，对原来的模型来说，它可能会认为你这个画面对应的是多张图片，它会拥有类似于拼接或者生成多个物体的方式来进行绘制。

具体来看，绘制的图片出现了严重的缺陷：

图2：一只猫双尾巴，一只猫没身体只露头
图3：两只猫（绘图要求是a cat）
图4：双头猫

要解决这个问题，我们就需要用到一个关键技巧——高清修复。

3. 高清修复功能：小图定轮廓，大图出高清

设置方式

高清修复（Highres-fix）——这个技术看起来是比较复杂，但是其实逻辑很简单。

在它绘制的过程中，实际上分了两步:

第一步，按照一个小图来绘制，比如512x512。
第二步，将小图按照一定的倍数放大成一个大图，比如说我们将放大倍数设置为2，它就可以将512的图放大到1024。（设置方式也可以是直接指定尺寸）

值得注意的是，【放大】的过程，实际上是【重绘】的操作，但是在这个过程中，它会尽可能的遵循原来图像画面，然后通过重绘的技术，将在更大的像素上，把我们画制出更加清晰的细节。

基本的设定非常简单：

高清修复：需要开启√
重绘幅度：也就是参考小图画面的程度，经验值03~0.7之间是较为稳妥的参数
放大倍率：取决于最终想要的输出质量，比如，从512到1024对应的放大比例是2。经验：最终出图尺寸，避免超过2k x 2，放大幅度过大，画面可能出现变形。

SD文生图：高清修复

关于放大算法，这一块其实我们可以不用投入太多的精力，因为我看了很多网上教程，不动设置哪一种，基本上都可以得到一个比较好的结果，按系统的默认设置即可。

放大算法选项

3. 实操效果

2倍放大

看整体，放大后的图像，猫脖子处毛发有明显变化。

看局部，放大后的图片，猫脸细节纹理明显更加细腻：

3倍放大

看整体：3倍放大后，图像有一些明显的变异，猫鼻子、耳朵、眼睛变红，整体脸型变得突出。

看细节：大图上，猫眼的细节神态非常清晰，炯炯有神。

4倍放大

计算资源受限，GPU爆显存：

报错的含义是：OutOfMemoryError：CUDA内存不足。尝试分配4.00 GiB（GPU 0；总容量15.74 GiB；已分配10.21 GiB；剩余3.91 GiB；PyTorch总共保留了10.22 GiB）如果保留的内存远大于分配的内存，请尝试设置max_split_size_mb以避免碎片化。

工作流小结

从爆显存的例子可以看出，AI绘图对计算资源消耗很大，即使硬件可以承担，更大的画面要求也意味着更长等待时间。

比较高效的工作流思路是：

第一步：用小图快速迭代

先用小图（512x512）开始绘制，快速迭代多个版本，在生成的系列图中，找到画面布置符合要求的。这是一个海选的过程。

设置批次数量，可以一次生成大量的底图，供筛选:4x4，就是一次输出16个效果。

第二步：放大生成高清

文章使用的AI绘画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，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。