Stable Diffusion 模型界面介绍-Toy模板网

这篇具有很好参考价值的文章主要介绍了Stable Diffusion 模型界面介绍。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。

Stable Diffusion 模型界面介绍

界面1

图1 Stable Diffusion 模型界面1
①：选择的模型，及Stable Diffusion进行生成图片是使用的模型。其中.ckpt为大模型

②：prompt --> 正向提示词。表示你的想法，你想要生成一副什么样的图片，包含主体、风格、色彩、质量要求等等
③：negative prompt --> 反向提示词。表示你不想要什么，如不想要图片出现什么，不想图片质量差，不想人物模糊或者多手多脚等
④：提示词相关设置
⑤：选择的样式，一般都是用于文生图（由文字生成图片）和图生图（由一个图片生成另一个图片）

界面2

Stable Diffusion 模型界面介绍,Stable diffusiopn,stable diffusion

图2 Stable Diffusion 模型界面2
界面2中都是参数设置

采样方法(Sampler)：表示绘制时算法采用偏向哪种风格。目前大众使用的有两种，写实风格使用DPM++ SDE Karras；偏动漫风格一点使用DPM++ 2M Karras。

采样迭代步数(Steps)：表示图片生成过程迭代的次数

面部修复(Restore faces)：人物风格图片时针对脸部会有一定稳定效果，不会出现奇奇怪怪的五官或者模糊不清

平铺/分块(Tiling)：一般不使用

高清修复(Hires.fix)：将生成的图片进行高清放大，提升分辨率

宽度(Width)：生成的图片宽度

高度(Height)：生成的图片高度

生成批次(Batch count)：表示绘制时通过几个批次进行绘画

每批数量(Batch size)：表示每批生成几张图片

提示词相关性(CFG Scale)：数值越大，生成的图片与你的prompt描述越像；数值越小与你的描述关联度越低。一般为5-10之间。

重绘幅度(Denoising)：用于在原图上进行重绘的程度

随机种子(Seed)：-1表示不基于图片种子进行绘制，完全基于你的prompt生成（未使用种子，出图都是随机状态）；如果不为-1，生成的图片会依据图片进行二次绘制。（随机种子的用途就是固定生成图片过程中所产生的随机数，从而在下次生成图片时最大限度的进行还原）

差异随机种子(Variation seed)：让生成的图片有更多变化。需点击Extra才能设置。

ControlNet： ControlNet是一个用于深度神经网络的控制技术，它可以通过操作神经网络块的输入条件来控制神经网络的行为

脚本(Script)：功能相对较多，一般用得很少。

界面3

Stable Diffusion 模型界面介绍,Stable diffusiopn,stable diffusion

图3 Stable Diffusion 模型界面3

绘图、局部重绘、局部重绘（手涂蒙版）：都是可以在线对原图进行修改；
局部重绘（上传蒙版）：是上传原图和修改后端蒙版图
批量处理：对本地目录下的所有图片进行处理
缩放模式(Resize mode)：对图片的尺寸的修改
4. 界面4
Stable Diffusion 模型界面介绍,Stable diffusiopn,stable diffusion

图4 Stable Diffusion 模型界面4
界面4 是关于ControlNet的参数设置

启用(Enable)：勾选此选项后，点击 “生成” 按钮时，ControlNet 才会生效。

反色模式(Invert Input Color)：将图像颜色进行反转后应用。

RGB 转 BGR(RGB to BGR)：把颜色通道进行反转，在 NormalMap 模式可能会用到。

低显存优化(Low VRAM)：低显存模式，如果你的显卡内存小于等于4GB，建议勾选此选项。

无提示词的猜测模式(Guess Mode)：也就是盲盒模式，不需要任何正面与负面提示词，出图效果随机，很有可能产生意想不到的惊喜效果！

预处理器(Preprocessor)：在此列表我们可选择需要的预处理器，每个 ControlNet 的预处理器都有不同的功能，后续将会详细介绍。

模型(Model)：配套各预处理器需要的专属模型。该列表内的模型必须与预处理选项框内的名称选择一致，才能保证正确生成预期结果。如果预处理与模型不一致其实也可以出图，但效果无法预料，且一般效果并不理想。

权重(Weight)：权重，代表使用 ControlNet 生成图片时被应用的权重占比。

引导介入时机(Guidance Start(T))：在理解此功能之前，我们应该先知道生成图片的 Sampling steps 采样步数功能，步数代表生成一张图片要刷新计算多少次，Guidance Start(T) 设置为 0 即代表开始时就介入，默认为 0，设置为 0.5 时即代表 ControlNet 从 50% 步数时开始介入计算。

引导退出时机(Guidance End(T))：和引导介入时机相对应，如设置为1，则表示在100%计算完时才会退出介入也就是不退出，默认为 1，可调节范围 0-1，如设置为 0.8 时即代表从80% 步数时退出介入。

缩放模式(Resize Mode)：用于选择调整图像大小的模式：默认使用（Scale to Fit (Inner Fit)）缩放至合适即可，将会自动适配图片。
一共三个选项：Just Resize，Scale to Fit (Inner Fit)，Envelope (Outer Fit)

画布宽度和高度(Canvas Width 和 Canvas Height)：画布宽高设置，请注意这里的宽高，并不是指 SD 生成图片的图像宽高比。该宽高代表 ControlNet 引导时所使用的控制图像的分辨率，假如你用 SD 生成的图片是 1000x2000 分辨率，那么使用 ControlNet 引导图像时，对显存的消耗将是非常大的；我们可以将引导控制图像的分辨率设置为 500x1000 ，也就是缩放为原本图像一半的分辨率尺寸去进行引导，这有利于节省显存消耗。

创建空白画布(Create Blank Canvas)：如果之前使用过 ControlNet 功能，那么将会在 ControlNet 的图像区域留有历史图片，点击该按钮可以清空之前的历史，也就是创建一张空白的画布。

预览预处理结果(Preview Annotator Result)：点击该按钮可以预览生成的引导图。例如：如果使用 Canny 作为预处理器，那么点击该按钮之后，可以看到一张通过 Canny 模型提取的边缘线图片。

隐藏预处理结果(Hide Annotator Result)：点击该按钮可以隐藏通过 Preview 按钮生成的预览图像窗口（不建议隐藏）