Stale diffusion+Webui使用教程--点动科技

最新推荐文章于 2024-08-03 21:24:48 发布

希陌ximo

最新推荐文章于 2024-08-03 21:24:48 发布

阅读量426

点赞数 18

文章标签：科技

本文链接：https://blog.csdn.net/weixin_63782093/article/details/140886878

版权

Stale diffusion+Webui使用教程

一、 Stable Diffusion简介
二、界面基础

一、 Stable Diffusion简介

Stable Diffusion (稳定扩散) 是一个扩散模型，2022年8月由德国CompVis协同Stability AI和Runway发表论文，并推出相关程序。同年，AUTOMATIC1111开发了图形化界面：「Stable Diffusion WebUI」，这是能用AI技术生成图片的开源软件，只要给定一组描述文本，AI就会开始绘图(准确的说是「算图」或「生图」)；亦能模仿现有的图片，生成另一张图片。

以下是一些Stable Diffusion WebUI生成的图像，无后期处理，来源：哩布哩布ai

在这里插入图片描述

Stable Diffusion原理介绍

Stable Diffusion 是一种深度学习模型，主要用于生成高质量的图片。它基于一种被称为扩散过程的原理，该过程在时间上正向进行时逐渐将数据（如图像）加入噪声，使其变得越来越不清晰，直至完全随机；而在时间上逆向进行时则从噪声中逐渐恢复出清晰的数据。这种模型可以用于文本到图像的生成、图像编辑、风格迁移等多种应用。
在这里插入图片描述

关键特点：

文本到图像生成：用户可以输入一段描述性的文字，模型便能根据这段文字生成相应的图像。
高质量输出：Stable Diffusion 能够生成非常高质量的图像，其分辨率和细节程度可以达到非常高的标准。

多模态应用：除了文本到图像的生成，Stable Diffusion还可以应用于图像到图像的转换、图像编辑、视频生成等多个领域。

模型结构：Stable Diffusion模型通常包括一个变分自编码器（VAE）和一个去噪扩散过程。VAE负责将图像编码成潜在表示，并从潜在空间解码回图像；去噪扩散过程则在潜在空间中逐步去除噪声，生成新的图像。

基本原理

扩散模型的工作原理分为两个过程：正向过程和反向过程。
正向过程（扩散过程）：这个过程将真实图像逐渐加入噪声，直至图像变成随机噪声。这个过程是多步骤的，每一步都会增加一些噪声。

反向过程（去噪过程）：与正向过程相反，反向过程从纯噪声开始，通过学习逐步去除噪声，最终恢复出清晰的图像。
在这里插入图片描述

模型架构

文本编码器：将输入的文本描述转换为对应的嵌入向量。
U-Net：一种编解码器结构，用于在去噪过程中预测噪声残差。
变分自编码器（VAE）：将图像编码到潜在空间，并在生成图像时从潜在空间解码图像。

二、界面基础

1、Ckp大模型、VAE模型、CLIP skip

在这里插入图片描述

上图红色框框处「v1-5-pruned-emaonly.safetensors」是Stable Diffusion WebUI预先为我安装的主模型。一般用户可以通过自己喜欢的风格或更热门的模型来使用。我推荐使用最主流的模型下载网站https://www.liblib.art/，下载回来的主模型应存放在「安装目录/models/Stable-diffusion」。VAE，即变分自编码器（Variational Autoencoder），可以与Checkpoint模型结合使用，改善图像。CLIP内部有十二层结构，由上而下的分类越来越细致，至于所谓的CLIP Skip，它告诉AI在某层之后不再进行更细的分类。

具体解析

Checkpoint：我们通常将其尊称为“基础模型”或“主干网络”。这个基础模型是整个绘图系统的基石，它承载了庞大的图像数据信息集，是实现高级图像生成功能的核心要素。
在文件体积上，基础模型通常庞大无比，其大小往往超过2GB。这是因为，训练这样一个模型需要海量的计算资源和时间投入——涉及到数千张高端显卡的并行计算、数十亿张图片的数据处理，以及数月甚至更长时间的持续训练，这样的资源投入远非常人所能承担。
即便个人有能力在官方模型的基础上训练出具有特定风格和特色的Checkpoint模型，但由于模型文件体积巨大，对其进行全面调整仍然需要昂贵的硬件资源和大量的时间。为了提高效率，尤其是在仅需对模型进行局部风格调整时，社区发展出了更为精简和高效的辅助模型技术，如embedding、Hypernetwork、LoRA、LyCORIS等。
这里是我们用来切换CheckPoint模型(cpt文件)的地方，就是我们通常说的切换大模型的地方，点开这里会看到你的Stable Diffusion（下文简称SD）已安装了哪些大模型，可以选择进行切换。

VAE：即变分自编码器（Variational Autoencoder），在图像生成领域，尤其是与Checkpoint模型结合使用时，其主要功能确实如您所述，用于提升图像的质量，尤其是在色彩饱和度和亮度方面。VAE通过编码图像数据到一个潜在空间，并从该空间解码以重构图像，在此过程中能够有效地改善图像的视觉效果。
VAE的作用具体如下：
色彩增强：VAE能够学习到图像数据的潜在表示，这使得它能够在重构图像时增强色彩的饱和度和亮度，从而使图像看起来更加鲜明和生动。
细节优化：除了色彩调整，VAE还能帮助细化图像的细节，减少模糊和噪点，提高图像的清晰度。
风格调整：在某些情况下，VAE还能用于调整图像的风格，使得生成的图像更符合特定的视觉风格偏好。

CLIP模型：包含了一个由十二层组成的结构，每一层从顶层到底层对分类信息进行逐级细化。例如，假设第X层负责编码“person”（人物）的概念，那么在第X+1层，这种分类会更加具体，如“man”（男人）、“woman”（女人）或“1girl”（一个女孩）等。尽管实际的分类机制更为复杂，但可以大致这样理解其层次化的分类逻辑。
关于“CLIP Skip”的概念，它实质上是指导AI在处理到某个特定层级后停止进一步的细分。以CLIP Skip 2为例，如果你输入的提示词是描述一个有着白胡子、穿白袍、戴白帽、手持魔杖的老年巫师，AI可能会忽略掉白胡子、白袍或巫师等细节。随着CLIP Skip值的提升，AI将忽略更多的分类信息。当CLIP Skip设置为最大值12时，所有层级的信息都将被忽略，此时AI将不会依据任何提示词进行创作，而是完全自由发挥。

2、Stable Diffusion WebUI 基础功能

在这里插入图片描述

2.1 文生图 Text to image

启动Stable Diffusion WebUI网页界面后，首先映入眼帘的是文生图的操作页面。

参数说明

Stable Diffusion checkpoint：当前选用的模型存盘点。
Prompts 提示词：在这里输入正面和负面提示词。
Sampling Methods 采样方法：取样方法可以视为模型在运算过程使用的不同算法方法，采用不同的采样策略和步骤会带来明显不同的输出效果，并且对生成速度也会产生影响。以下是对各采样方法特性的概述：
- Euler a：Euler a 方法简捷高效，通常适用于生成低分辨率图像，是众多采样方法中速度最快之一。
- DPM++2M Karras：DPM++2M Karras 方法更为先进，适用于生成较高分辨率的图像。虽然它的速度不及 Euler a，但仍然较快。
- DPM++ SDE Karras：DPM++ SDE Karras 是最先进的方法之一，能够生成极高分辨率的图像，同时也是速度较慢的采样方法之一。
  以下是基于文件名的快速分类指南：
- 带“-a”：这类采样器的文件名中包含“-a”，它们的去噪能力较为分散，对关键词的识别能力相对较弱。
- 带“-karras”：这类采样器的去噪能力迅速。
- DDIM、LMS、PLMS：这些是Stable Diffusion早期版本的采样方法，现在已经较为落后，不太推荐使用。
- DPM推荐：DPM++ SDE Karras 是目前广泛使用的采样方式，它在去噪速度和关键词识别精度上都表现良好。
- 新版UniPC：UniPC作为新型采样器，也集成了上述采样器的优点，可视为一颗新兴之星。
Sampling Steps 采样步数：建议至少设置为20步，特别是使用Euler a和UniPC方法时效果较好。而DDIM则需要超过80步才能获得良好结果。
Hires_fix 高清修复：Hires fix（高分辨率修复）
由于stable diffusion的模型训练使用的是768*768（2.0）分辨率的图，768的分辨率对于现在来说是不太够用的，这就需要高分辨率修复或者后期处理。注意在生成图片时最好宽度和高度有一边是768，否则可能出现像两张图片拼接在一起的效果。
- Upscaler：选择使用的放大器。
- Hires steps：高清修复的步数。
- Denoising strength：降噪强度。
- Upscale by：缩放比例。
Refiner：Refiner（SDXL精细化模型）是一种先进的图像生成技术，它可以进一步优化和改进生成的图像质量。SDXL模型分为两部分，
- 基础模型，各操作跟1.5没有区别；
- 精细化模型，其作用是对基础模型的生成图进行细节优化，仅使用基础模型生成也没有问题，但只有两个模型同时使用时才是完整的SDXL。
Width x Height 图片宽高：设置生成图片的尺寸，尺寸越大质量越好，但显存消耗也越大。
v1.5模型默认为512x512，v2模型建议尝试768x768。
CFG Scale：Classifier-free guidance scale，影响AI生成图片与提示词的相关度，数值越高，生成图片越符合提示词。
Batch count：设置生成图片的次数。
Batch size：设置一次性生成的图片数量。通常只需调整Batch count，Batch size保持为1即可。
Seed 种子码：用于生成图片的随机种子，保存种子码有助于复现风格。
Seeds Extra：用于测试不同的种子码变化。
Scripts：加载用户编写的脚本。内置脚本包括：
- Prompt Matrix：生成表格图片，比较不同提示词的生成效果。
- Prompts from files or textbox：从文件或文本框中的提示词生成图片。
- X/Y/Z plot：比较不同提示词、采样方法、CFG Scale、种子码组合的生成效果。

生成按钮下面3个按钮作用由左至依序为：1. 叫出上次生图使用的设置值 2. 清空提示词 3. 套用选中的风格
请添加图片描述

下方的Styles列表可以保存的提示词
点击右边画笔按钮进行编辑，点击保存的提示词。再点击上面的套用选中的风格，即会将该提示词组合加到左边的提示词字段。

生成图像的下方五个按钮作用由左至依序为：
1.打开图片输出目录 2.保存图片到指定的目录（log/images）3.将图片压缩为zip文件并保存到指定的目录（log/images）4.将图片发送到img2img选项卡进行处理。5.将图片发送到Inpaint选项卡进行处理。6.将图片发送到extras选项卡进行处理。7.表示使用hires fix设置创建当前图片的高分辨率版本。
请添加图片描述

实际操作

在Stable Diffusion WebUI界面的顶部，进行模型的选择。模型切换大约需要30秒的等待时间。
在页面的左上方部分，输入您想要的正面和负面提示词（英文）。
采样方法，建议首先尝试速度最快的「UniPC」，其次是「Euler a」和「DPM++ 2M Karras」。将采样步数设置为20，并将图片的宽度和高度设置为512x512。
点击位于右上角的Generate按钮开始生成图像。

图像的生成时间取决于您的显卡性能。生成完成后，您可以点击下面按钮进行保存，或者点击图片进行放大，右键保存，还可以点击右下角的Zip按钮，将图片压缩成压缩文件下载。

在左下角，您可以设置Batch count的数值，以一次性生成多张图像。

如果您对生成结果感到满意，可以考虑保存种子码（Seed），这样可以在未来复现相同的风格。

注意无论是否选择右键保存图片，Stable Diffusion WebUI生成的所有图像都会自动保存在主程序目录下的outputs文件夹中。

2.2 图生图 Image to image

图生图主要分为全局重绘与局部重绘两个功能，相比文生图的抽卡，图生图因为有个参考图片打底，所以有更高的可控性
在这里插入图片描述

全局重绘

img2img和sketch会根据重绘强度的高低对全图进行重新绘制，因此参考图最重要的部分是颜色和构图，而不是细节。

参数栏
- 从左到右依次是拉伸模式，直接把短边拉长；裁剪模式，把长边的上下剪掉；填充模式，填充短边；直接缩放
- Denoising strength：降噪强度数值越小，生成的图与原图越相似，可用来微调图片。
- 其余参数在文生图部分讲过，不再赘述

局部重绘

无论是img2img还是sketch，无论您在提示词中指定了哪个部分，它都会对整张图像进行重绘，可能无意中改变了我们原本不想变动的地方，导致画面效果不尽人意。 Inpaint和Inpaint sketch就是为了解决这一问题而设计的，它们的主要特点是仅对标记的区域进行重绘，即进行局部重绘，从而避免了不必要的全局改动。

请添加图片描述

Mask blur 这个选项用于调整图片上笔刷边缘的柔和程度。
Mask mode 这个设置决定了AI是填满涂黑区域（Inpaint masked）还是填满未涂黑区域（Inpaint not masked）。
Masked content 这个指的是将要填充到涂黑区域的内容类型。
- Fill：指示AI根据涂黑区域周边的颜色来填充区域。
- Original：在填充区域时，参考原始图片下的内容。
- Latent noise：使用潜在空间来填充，可能会产生与原图完全无关的内容。
- Latent nothing：使用潜在空间来填充，但不加入任何噪声。
Inpaint area 这个选项用来选择是填满整张图片（Whole picture）还是只填满涂黑区域（Only masked）。Only masked padding, pixels 这里的"Only masked"指的是仅对涂黑区域进行外补绘制的模式，而"pixels"是指定涂黑区域边缘的像素内距。
Soft inpainting 是 Stable Diffusion 1.8 版本中引入的一项技术，主要应用于图像修复和局部编辑。核心优势在于能够更加自然和无缝地将修复区域与原始图像融合，减少了传统图像编辑中常见的边缘痕迹和违和感。下面是参数的详细说明：
- Schedule bias（时间表偏差）
- Schedule Bias < 1：当时间表偏差小于1时，在修复过程的后阶段会更多地保留原始图像内容，这意味着在重绘的早期阶段，模型会更加侧重于引入修复内容。
- Schedule Bias > 1：相反，当时间表偏差大于1时，在修复的早期阶段就会更多地保留原始图像内容，随着过程的推进，逐渐引入更多的修复内容。
- Preservation strength（保留强度）
  保留强度与时间表偏差相似，也是控制原图内容保留程度的参数，但其变化是线性的，这使得调整时更加直观和易于控制。
- Transition contrast boost（过渡对比度增强）
  低值：过渡对比度增强的低值会产生较为柔和的混合效果，使得修复区域与原图的过渡更加平滑自然。
  高值：高值则会增强对比度，使得修复区域与原图之间的界限更加明显，适合需要突出修复细节的场景。
- Difference threshold（差异阈值）
  差异阈值用于控制重绘区域与原图之间的差异程度。增加这一阈值会使修复区域更加接近原图，减少差异，从而实现一种淡出效果。当差异阈值达到最大时，图像将不会显示任何重绘内容，保持原始状态。