Stable Diffusion 抠图工具使用小记-Toy模板网

这篇具有很好参考价值的文章主要介绍了Stable Diffusion 抠图工具使用小记。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

用stable diffusion有段时间了，最近使用了它的抠图工具（Remove background）。这里是我对该工具的使用和记录。希望可以帮其他人了解相关内容。文末附100个Lora资源方便大家使用。

在图像处理中，抠图是一项非常重要的任务。传统的抠图方法通常需要人工进行较长时间的描边和选择，效率低下且不准确。然而，Stable Diffusion提供的工具相当智能，可用于图像抠图，使该过程更加快速、准确和简单。它可以用于处理不同尺度、不同复杂度的图像，并且可以通过调整参数来适应不同的抠图任务，例如，对于复杂背景的图像，可以调整参数以确保抠图的准确性。

插件介绍

使用了中文界面比较方便，感谢提供翻译的大兄弟。

如果当前的SD中没有这部分内容，可以通过“扩展”选项卡进行插件的安装：

插件URL GitHub - AUTOMATIC1111/stable-diffusion-webui-rembg: Removes backgrounds from pictures. Extension for webui.

抠图工具（ Remove background）在使用时可以选择不对要扣的图进行缩放，缩放比例这里选1就可以了，这样可以纯进行抠图。

缩放算法选择

缩放工具中，SD默认会携带 u2net、u2netp、u2net_human_seg、 u2net_cloth_seg、 silueta 几种算法。

U-2-NET系列算法介绍

论文名称： U2-Net: Going Deeper with Nested U-Structure for Salient Object Detection

论文地址： https://arxiv.org/pdf/2005.09007.pdf

论文作者：Xuebin Qin, Zichen Zhang, Chenyang Huang, Masood Dehghan, Osmar R. Zaiane and Martin Jagersand University of Alberta, Canada

GIT地址： GitHub - xuebinqin/U-2-Net: The code for our newly accepted paper in Pattern Recognition 2020: "U^2-Net: Going Deeper with Nested U-Structure for Salient Object Detection."

算法还是有些难，具体的差异我这种需要吃俩鲸鱼🐳补补脑的还没全看懂，不过怎么用和差异还是搞懂了一些，下面是一些实测效果（空缺位置偷懒了，这不重要！）：

测试原图
u2net （大部分情况下足够了）
u2netp 人物颜色与背景比较鲜明时效果还可以，但是对比不明显时，没有合理的微调参数配合，效果不佳->比如蝙蝠侠的腿没扣出来。
u2net_human_seg （人像提取优化）精度和发丝部分效果明显一些
u2net_sloth_seg （服装提取优化）此模式使用时需注意光线方向和效果，差异较大时会被拆分成上下多个部分，逆光太强时会存在被识别为背景被抹除的情况。
silueta

通过多种算法比较来看对边缘和细节的处理略微不同，默认设置基本都可以搞定，在具体使用的时候可以根据需求的精度不同进行一些选择。

额外参数：

抠图工具中还有“ Return mask” 与“ Alpha matting” 两个选项，

Return mask 效果不需要解释了，Alpha matting的说明：

Alpha matting 是一种将前景对象从背景中分离的技术，其中通过计算前景对象和背景之间的 alpha 值来实现分离。

FOREGROUND_THRESHOLD前景阈值（下图说明简写“F-”）：

在具体的应用场景中，该参数通常用于指定 alpha matting 技术中前景图像的阈值。该参数用于指定 alpha 值高于该阈值的图像区域将被视为前景。具体取值通常在 0 到 255 之间，表示 alpha 值的阈值。如果指定的值较低，则可能将一些背景区域识别为前景，导致分离效果不佳。如果指定的值较高，则可能将一些前景区域识别为背景，同样会导致分离效果不佳。