stable diffusion实践操作-宽高设置以及高清修复

这篇具有很好参考价值的文章主要介绍了stable diffusion实践操作-宽高设置以及高清修复。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。

系列文章目录

stable diffusion实践操作



前言

主要介绍SD的宽高设置以及高清修复

基础模型都是通过512512的图像集训练的,所以我们采用SD1.5模型的时候,宽高不要超过512512,否则,图像就会出现不可以控.

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

但是在实际工作中,我们需要更加高清图片怎么办,这就是本章的主要内容。


一、SD宽高怎么设置?

1.1 宽高历史

SD生成256256图片效果最好。512512是SD一直使用的画布大小。如果我们给一个大画布的时候,就很容易产生无法理解的内容,所以我们在使用SD2.0以前的模型时,宽高不要超过512*512,如果想要更加大的图片,可以通过高精度修复来进行修复。

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

二、高清修复

1. 文生图中的高清修复

1.按钮Hires.fix

相关参数:放大算法,高分迭代步数,重绘幅度,放大倍率,宽高调整
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

放大算法,webUI中默认提供了很多放大算法。
高清修复采样次数,设置为0时,采用默认步数,这个参数一般不用调整。
重绘幅度,决定算法对图像内容的保留程度,该值越高,放大后图像就比放大前图像差别越大,低值为修正原图,高值就会对原图进行不同程度的改写。
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

2.不同放大算法对比

在实际中也要根据不同模型来测试,不同风格的图片采用不同的放大算法和重绘幅度(0.5左右)。

1.第一类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

下图是对比,可以看到,不同放大算法差异很大

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
2.第二类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
3.第三类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
4.第四类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
5.第五类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
6.第六类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
7.第七类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
8.第八类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
9.第九类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
10.第十类
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

放大对比

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
11.前10归纳

绿色的代表建议使用,黄色代表尝试,红色代表不建议使用
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

2.图生图中的高清修复

1.第一类Ultimeate SD upscale(需要安装插件)

1. 插件安装与打开

脚本中选择Ultimeate SD upscale,这个需要安装插件才能使用
插件名称位置:https://gitcode.net/ranting8323/ultimate-upscale-for-automatic1111

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion webUI 位置 stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
2.参数

作者提供了官方文档:
https://github.com/Coyote-A/ultimate-upscale-for-automatic1111/wiki/FAQ
第一个,目标尺寸类型,Scale from image size按照图生图原始设置,custom size自定义
第二个,放大算法
第三个,重绘类型linear,chess(分块),none
第四个,接缝修复(没有明显接缝,就不要使用)
详细使用参考官方文档即可。

3.使用
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

2.第二类 SDupscale

1. 打开
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
2. 原理

它是将原图分解成一个个图块tiles,然后对每一块进行高清修复,最后再拼接起来。

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
3.参数

参数有3个,分块重叠像素宽度,放大倍数,放大算法

第一个参数,Tile overlap,使用SD放大时,分块处的像素重叠宽度,分块间重叠有助于图像合并时,产生明显接缝,官方默认设置64.

如果为0,那么接缝处非常明显

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

如果改为256,那么效果就比较好

第二个参数,放大倍数,这个没什么说的

第三个参数,放大算法

2.第三类 SDupscale

4.使用

按照下图三个框设置就可以了

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

3.其它高清放大方法和工具以及小妙用

1.打开

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

2.参数

特别强调重绘,重修是指对图片细节进行重新绘制.

3.使用

1.打开

当使用文生图或者图生图的时候,通过下面按键进行后处理,或者直接从电脑中拖入图片进行处理
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

2.设置参数
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
1.缩放比例,缩放到

一般用等比缩放

2.放大算法1
3.放大算法2

采用两种放大算法,最后叠加

4.放大算法2 可见度

第二种放大算法叠加后的强度,为0的时候,不采用算法2,使用1的时候完全由算法2处理

5.GFPGAN可见程度

GFPGAN是一种由腾讯PCG团队研发的先进人脸回复技术,从低质量回复高质量人脸的目标,相关论文为

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

PCG介绍

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
6.CodeFormer可见程度

新加坡南洋理工研发的人脸回复技术,从低质量的人脸恢复高质量的人脸,相关论文为

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion
7.GFPGAN、CodeFormer两种区别

这两种算法只能修复人脸,对人脸外面的就没有什么用了
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

8.CodeFormer权重

总结

1. 最好使用附加功能放大

从效果上看文生图高清修复要比附加功能放大更加好一点
stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

但是文生图放大耗费时间,实际中我们都采用附加功能放大功能。

2. 两种人脸修复只能修复人脸,其余的修复不了。

stable diffusion实践操作-宽高设置以及高清修复,SD,stable diffusion

以上就是今天要讲的内容。文章来源地址https://www.toymoban.com/news/detail-691478.html

到了这里,关于stable diffusion实践操作-宽高设置以及高清修复的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • 〔AI 绘画〕Stable Diffusion 之 老照片高清修复 篇

    在 AI 绘画出来后,飞兔小哥就一直思考它的商业出路,其中之一应用我觉得就是老照片修复 其实在 stable diffusion 中修复老照片,其实有很好的效果,根据目前其内置的功能,大概有三种可用的高清修复功能 而飞兔小哥也在社区开了相应的 AI 专栏,并将自己平时生成和修复处

    2024年02月13日
    浏览(113)
  • 最新版本 Stable Diffusion 开源 AI 绘画工具之 老照片高清修复 篇

    在 AI 绘画出来后,飞兔小哥就一直思考它的商业出路,其中之一应用我觉得就是老照片修复 其实在 stable diffusion 中修复老照片,其实有很好的效果,根据目前其内置的功能,大概有三种可用的高清修复功能 而飞兔小哥也在社区开了相应的 AI 专栏,并将自己平时生成和修复处

    2024年02月09日
    浏览(70)
  • AI 绘画Stable Diffusion 研究(九)sd图生图功能详解-老照片高清修复放大

    大家好,我是风雨无阻。 通过前面几篇文章的介绍,相信各位小伙伴,对 Stable Diffusion 这款强大的AI 绘图系统有了全新的认知。我们见识到了借助 Stable Diffusion的文生图功能,利用简单的几个单词,就可以生成完美的图片。本期我们一起来研究 Stable Diffusion图生图功能这个宝

    2024年02月12日
    浏览(75)
  • 【AI绘画Stable Diffusion】高清图像放大+面部修复+一键抠图,谈谈你可能不知道的优化技巧!

    一提起后期处理,我猜你可能立马想到的就是图像放大。 今天,我要向你展示的后期处理手法,以及优化技巧。 如果你常用的是秋叶大佬的整合包,那么你对\\\"R-ESRGAN 4x+\\\"和\\\"R-ESRGAN 4x+ Anime6B\\\"应该不会陌生。 R-ESRGAN 4x+:写实图片 R-ESRGAN 4x+ Anime6B:二次元图片 然而,你是否曾在

    2024年02月16日
    浏览(57)
  • Stable Diffusion WebUI rtx 2060 6G 高清修复 爆显存torch.cuda.OutOfMemoryError: CUDA out of memory.

    故障日志 零食解决办法,重启webui.sh进程,重新执行生成图片 日志   确实清晰不少 

    2024年02月04日
    浏览(49)
  • stable diffusion实践操作-writing

    Stable Diffusion的定义: Stable Diffusion(简称SD)是一种人工智能生成图像的软件。通过输入文字描述,SD能够生成对应的图片,无需像以往那样需要手工\\\"绘制\\\"或\\\"拍摄\\\"照片。 Stable Diffusion 1.1、免费开源 Midjourney 需要开魔法使用,免费额度用完之后付费才能继续,最低 10 美元/月。

    2024年02月09日
    浏览(43)
  • stable diffusion实践操作-LyCORIS

    stable diffusion实践操作 LyCORIS,可以理解为lora的加强版本。 LyCORIS - Lora beYond Conventional methods, Other Rank adaptation Implementations for Stable diffusion. 超越传统Lora的方法,应用在SD上 github最新地址:https://github.com/KohakuBlueleaf/LyCORIS 本章根据B站A_Eye视频整理而来,再次感谢,如果想要看原

    2024年02月10日
    浏览(35)
  • stable diffusion实践操作-提示词

    stable diffusion实践操作 stable diffusion实践操作-提示词-人物属性 stable diffusion实践操作-提示词-人物服饰 stable diffusion实践操作-提示词-整体环境 stable diffusion实践操作-提示词-图片结构 stable diffusion实践操作-CLIP 本文专门开一节写提示词相关的内容. SD提示词是以词组作为单位的,

    2024年02月09日
    浏览(47)
  • stable diffusion实践操作-批次出图

    stable diffusion实践操作 本章主要介绍SD批次出图。 想要一次产生多张图片的时候使用。 生成批次和每批数量至少一个为1, 产生了一张合图和4张单独图片。 例如:以上就是今天要讲的内容。

    2024年02月09日
    浏览(40)
  • stable diffusion实践操作-文生图

    本文专门开一节写 文生图 相关的内容,在看之前,可以同步关注: stable diffusion实践操作 详细信息: 底模:SD 1.5 Lora:baihuaniang_1.0 正向提示词: 反向提示词: CLP终止层数:2 迭代步数:25 采样模式(Sampler):DPM++ 2M Karras 提示词引导数(CFG Scales):11 随机数种子(seed):2514

    2024年02月10日
    浏览(46)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包