高分辨率框架 HiDiffusion 运行教程，快速生成高质量 8k 图像

HiDiffusion 是旷视科技推出的开发的一种创新框架，旨在提升预训练扩散模型在生成高分辨率图像方面的创造力和效率。这是一种无需训练即可提高预训练扩散模型的分辨率和速度的方法，通过将 HiDiffusion 应用于各种预训练的扩散模型，不仅可以将图像生成的分辨率提高至 4096×4096，而且能将图像生成速度提升 1.5 至 6 倍。这一方法不仅解决了对象重复和高计算负担的问题，而且在生成高分辨率图像的任务上取得了卓越的效果。 

使用云平台：OpenBayes

openbayes.com/console/signup?r=sony_0m6v

登录到 OpenBayes 平台后，打开「公共教程」，找到「HiDiffusion 可快速生成高质量 8k 图像 Demo」的教程。

进入教程后，点击右上角「克隆」。

平台在克隆过程中会自动为容器绑定所需要的数据，不需要我们再手动配置，直接点击「下一步：选择算力」。

推荐选择 RTX 4090，别忘了使用文章开头的邀请链接，get 免费时长！选择好后，点击「下一步：审核」即可。

确认无误后，点击「继续执行」。

稍等 2 分钟，系统分配资源完成后，待状态显示为运行中后，将鼠标悬停在 API 地址处，点击链接进入模型。使用 API 需要进行现进行实名认证~

HiDiffusion 适用于三种方式分别为文本生成图像、图像生成图像、修复图像，它们都对应一个模型。在使用时会首先加载模型而后进行图像的生成。

方式一：文本生成图像

通过输入正向提示词与方向提示词进行图像生成。

正向提示词描述希望在图像中看到的内容；反向提示词描述不希望在图像中出现的内容。

我们选择一个示例：

其中正向提示词为：Standing tall amidst the ruins，a stone golem awakens，vines and flowers sprouting from the crevices in its body

反向提示词有：blurry, ugly, duplicate, poorly drawn face, deformed, mosaic, artifacts, bad limbs

输入后，点击 Submit 生成图像。

方式二：图像生成图像

其原理是 ControlNet 在原始图像的轮廓基础上根据提示词进行图像生成。上传一张参考图片后，通过输入正向提示词与逆向提示词进行图像的生成。

 正向提示词：The Joker, high face detail, high detail, muted color, 8k

 逆向提示词：blurry, ugly, duplicate, poorly drawn, deformed, mosaic

生成图像中，第一张为原图像的轮廓，第二张为根据这个轮廓进行生成的图像。

方式三：图像修复

在进行修复时，同样根据正向提示词和反向提示此词进行修改。

 首先上传一张需要修复的图像以及一张修复位置标记图，修复区域中的黑色区域是冻结的区域，表示我们不需要进行修改的区域，白色区域为需要修改的区域。

正向提示词：A post-apocalyptic survivor in tattered clothing, with a makeshift spear, cautiously navigating through a denseforest overgrown with vines that have reclaimed a crumbling cityscape.

 逆向提示词：blurry,ugly, duplicate, poorly drawn, deformed, mosaic

 点击 Submit 后，可以看到将我们标记的修改区域按照提示词进行了修改。

原创作者: u_16815590 转载于: https://blog.51cto.com/u_16815590/11574410