
引言
在人工智能技术迅猛发展的今天,AI绘画已经悄然融入了我们的日常生活和工作。对于设计师而言,AI绘画不再是一项加分技能,而是成为了不可或缺的基本素养。面对当前就业市场的严峻形势,掌握AI绘画不仅顺应技术潮流,更是提升我们在职场竞争力的重要途径。
目前,市面上主流的AI绘画工具有Stable Diffusion、Midjourney和Dall.E 3等。本文将对比这三款工具,并深入解析其中可控性最高的Stable Diffusion的具体操作方法。鉴于内容较多,我们将分基础篇和进阶篇两部分进行阐述,本篇为入门基础篇,后续将推出进阶应用篇。若在描述过程中有任何不准确之处,敬请指正!

一、市面上三款主流绘画软件对比

总结:
Midjourney:在AI绘画领域,其生成的图像品质堪称顶尖
Stable Diffusion:在AI绘画中,其图像生成具有极高的可控性
DALL·E 3:在AI绘画中,其对人类语言的解读能力尤为出色
二、关于Stable Diffusion的详述
Stable Diffusion,这一基于扩散过程的图像生成模型,能够创造出高品质、高分辨率的图像。它通过模拟扩散过程,将原本充满噪声的图像逐步转变为目标图像。这种模型因其出色的稳定性和可控性,能够生成具有丰富效果和优良视觉感受的图像。
与其他两款绘画工具相比,Stable Diffusion在可控性方面更为突出,非常适合用于商业领域。尽管学习过程可能略显复杂,但让我们先来一探其强大之处,为学习Stable Diffusion注入源源不断的动力!

三、Stable Diffusion的配置需求与安装步骤
3.1、在着手安装之前,有几个关键点需要留意:
3.1.1、首先,要检查您的电脑配置,特别是GPU(显卡及其显存)的情况。
检查方法:在电脑底部的任务栏上点击鼠标右键,选择“任务管理器”,然后在“性能”标签下查看GPU(显卡)的品牌和型号。
显存4G勉强能够启动软件,但出图速度会非常缓慢,且容易出现错误;显存6G或8G则可以运行SD的基础功能,进行简单的出图,但对于高级功能,如模型训练等,则力不从心;显存达到12G时,使用SD会相对顺畅;而显存16G以上则可以畅享所有功能。
建议使用英伟达的NVIDIA显卡。如果您的电脑是AMD显卡,或者目前使用SD遇到困难,可以考虑使用云端配置。对于设计新手,推荐使用青椒云服务。
以下是一张显卡性能对比图供您参考:

3.1.2、在选定SD的安装位置和文件夹时需谨慎
在选择SD的安装路径时,应避免使用包含中文和空格的路径,以免出现错误提示。
不建议将SD安装在C盘,因为在此之后,您将需要安装大量的模型,这些模型会占用较多空间,因此需要选择一个拥有充足空间的磁盘。
3.1.3、鉴于SD是一款开源软件,在使用过程中若开启杀毒软件,可能会出现误杀的情况。
3.2、SD的安装过程
由于手动部署到本地既耗时又费力,因此我选择了秋叶大神的整合包,实现一键安装,操作便捷,省时省力。
安装步骤如下:
3.2.1、首先下载整合包,下载链接可在B站搜索秋叶的相关内容获取。
3.2.2、下载完成后,双击运行安装启动器依赖程序。

3.2.3、接下来,我们需要对SD安装包进行解压操作。完成解压后,您将能够浏览到软件的根目录结构。在这里,您需要寻找启动器文件,找到后双击它,即可成功启动这款软件。

四、启动器概览
4.1 初启界面
该界面汇集了多样化的文件目录,用户可通过点击相应按钮来浏览和查看其中的内容。例如,点击“根目录”按钮,即可打开SD软件安装的文件夹;其他按钮亦遵循相同逻辑,它们可以视作SD的插件扩展。在使用过程中,我们下载的插件大多存储在这个文件夹中。为了防止占用过多内存,建议定期清理临时文件夹。其余文件夹则按照其名称直接反映了图片的存储方式和位置。
在日常使用中,我们最频繁操作的是“一键启动”按钮。操作步骤如下:首先打开启动器,点击“一键启动”按钮,系统随即开始加载。加载完成后,操作界面会自动在默认浏览器中显示。

4.2 高级设置详解
在这个设置界面中,参数通常都采用默认值,除非有特殊需求,一般不建议随意更改。
4.3 技术支持与问题解决
遇到错误提示时,错误信息会显示在这个界面。同时,界面中设有“开始扫描”按钮,用户点击后,系统会自动检查是否存在错误。
4.4 版本更新与维护
所有版本的更新和迭代信息都会在这里展示,不仅包括Stable Diffusion的核心版本,还包括其扩展插件(即插件)的版本信息。需要特别注意的是,并非版本越新越好。如果核心版本与插件版本存在冲突,可能会导致错误。通常情况下,保持在一个稳定的版本上即可。
4.5 模型种类与应用
如图所示,Stable Diffusion的模型主要分为以下几类:Stable Diffusion模型、嵌入式模型、Lora模型、超网络模型、变分自编码器模型。
其中,Stable Diffusion模型通常被称为大模型,是生成图像不可或缺的核心模型,其占用空间较大,一般在2-8G之间。其他模型则被称为小模型,它们是在大模型基础上进行微调得到的,主要在图像生成过程中起到辅助作用。当需要更佳的效果或更便捷的图像生成体验时,可以使用这些小模型。它们占用的空间相对较小,从几十KB到几百MB不等。

文章标题:人工智能生成内容(AIGC) | 稳定扩散(Stable Diffusion)入门教程
(文章第10/48部分,正文内容改写)
1. 在这个界面上,用户能够查看已安装的各类模型,并具备下载新模型的选项。然而,实践当中,用户通常更倾向于在其他地方下载新模型,因为在当前界面中,无法预览到模型的效果图。
2. 4.6 小功能展示
本文为您介绍了一些非常实用的网站资源,其中包括模型下载平台和丰富的图片素材网站。
3. 4.7 其他细节
在软件的设置选项中,大多数情况下,用户可以选择保持默认设置。此外,软件还支持切换至深色模式,以及设置默认的Webui浏览器打开方式等个性化选项。
4. 需要特别注意的一点是,当用户点击启动按钮后,操作界面会在浏览器中打开,同时启动器窗口不应关闭。通过控制台,用户可以实时查看软件的运行状态以及可能出现的错误信息。

五、Webui界面概览
现在,让我们来详细了解webui界面。当您点击启动按钮,启动器便会进入加载状态。一旦加载完成,您的浏览器中便会显示出操作界面。
首先,我们需要对SD的操作界面有一个全面的了解。SD的操作界面主要由以下几个部分组成:模型区域、提示词区域、参数设置区域、出图区域以及插件区域。具体布局如图所示。

SD系统提供了两种核心的图像生成模式:一是基于文本的生成,二是基于图像的生成。
在文本生成图像的模式中,操作流程如下:首先,挑选合适的大规模模型;接着,输入关键提示词;然后,调整相应的参数设置;紧接着,添加必要的插件;最后,点击生成图像。
而图像生成图像的模式则稍微复杂一些,具体步骤包括:同样地,选择一个大模型;输入提示词;上传一个参考图片作为生成的基础;调整参数;添加插件;最终完成图像的生成。
这两种模式的初始设置基本相同,主要的区别在于图生图模式增加了一个参考图片的功能,使得生成图像的效果能够更贴近用户的期望。值得注意的是,插件并非必需品,只有在追求特定效果时,才需要使用相应的插件来辅助生成。
在这里,我们要明确的是,插件并非不可或缺,只有在需要特定效果时,才需要选用合适的插件来达到目的。

接下来,我们详细解读各个功能与按钮:
5.1 模型区域解析
在此前的介绍中,我们了解到SD的模型类型共有五种:
5.1.1 Stable diffusion模型:这类模型的体积通常超过2G,文件格式以ckpt或safetensors结尾。
这便是我们通常所说的大型模型,也就是所谓的底模。若将Stable diffusion比作一家美术或设计机构,那么这些大型模型就相当于其中一位技艺高超的画师。这位画师深入研究了一整套美术作品,从而塑造了自己独特的艺术风格。


文章标题:AIGC | Stable diffusion入门指南
(文章第15/48节,正文部分,以下为改写内容)
模型获取
1. 使用启动器进行下载
优势:下载完成后,模型将自动存入模型文件夹中,无需借助科学上网途径。
劣势:无法提前预览模型的效果,犹如拆盲盒般充满未知。
2. 通过官方网站获取
访问链接:https://civitai.com/

https://www.liblib.art/

文章标题:人工智能生成内容(AIGC)| 稳定扩散入门教程
(本文第17/48节,正文部分,以下为改写内容)
模型部署:以秋叶整合包为例
在完成模型下载后,将文件存放在sd-webui-aki-v4.2\models\Stable-diffusion的指定文件夹中
确保模型安装无误后,返回webui界面,点击模型旁边的刷新图标,新安装的模型便会自动加载显示
5.1.2 关于LoRA模型:体积介于几十至一百多兆,文件后缀为safetensors
这类模型应用范围极广,主要用于培养特定的概念,比如某种画风、特定款式的衣服、某人的外貌特征,甚至是某个动作等。

lora模型的获取与部署
与大型模型相同,您也可以在启动器及所提及的两个平台进行下载
部署路径:sd-webui-aki-v4.2\molds\Lora
lora模型的运用
首先,在正向提示词输入框中进行操作,点击您打算使用的lora模型,此时,所选lora模型的名称便会出现在正向提示词框中。接下来,对lora权重进行调整,其数值介于0至1之间,数值越趋近于1,效果越显著;然而,若数值超过1,则可能导致图片质量受损,而数值过小则可能无法达到预期效果。使用英文输入法输入触发词,通常在下载lora模型时,模型发布者会提供明确的触发词指引。


5.1.3 嵌入式模型:词包类型——容量介于几千至数万之间,文件后缀通常为.pt或.safetensors
此类模型常用于整合提示词,例如,当我们需要描述某物时,若提示词较长,便可将其打包成embedding,实现一键式调用。此外,一些反向提示词也常被打包成embedding形式。

安装与运用embedding
您同样可在启动器中或上述提及的网站上获取embedding,安装路径为:sd-webui-aki-v4.2\embeddings。只需选中正向提示词框或反向提示词框,点击即可。您可以根据个人需求将其修改为中文名称,同时设置效果预览图以便于查看。
5.1.4 变分自编码器模型-vae(滤镜):文件大小约为几百兆,后缀为pt或ckpt
该模型英文名为Variational Auto-Encoder,简称VAE,相当于滤镜,用于调节画面的色彩与细节。众多大型模型在训练过程中往往包含VAE。在此,我们强烈建议使用vae-ft-mse-840000-ema-pruned.ckpt模型。
作用:将浅层空间的图片转化为像素级图片。
5.1.5 超网络模型-hypernetwork(画风模型):文件大小在几十到几百兆之间,现已较少使用
其功能与lora模型相近,随着lora模型的问世,hypernetwork模型逐渐被取代。
5.1.6 CLIP 终止层数(对比语言图像预训练模型:Contrastive Language-Image Pre-Training)
作用:解读文字,理解我们输入的单词,调整的是SD软件对文字的理解能力。数值越小,SD对提示词的理解能力越强,控制越精准。我们推荐参数值为2,若设置为1,可能导致SD缺乏想象力,仅按提示词生成。
这一系列标签栏展示了不同功能,包括整合包自带的基础功能,如文生图、图生图、后期处理、PNG图片信息、扩展、设置等,同时,您下载的插件也会在此展示。

5.2 指令引导:提示词(Prompt)
所谓提示词,亦称触发指令,其作用在于向Stable Diffusion明确表达我们期望其实现的目标。在输入区域,每个输入的词汇、短语或简短句子都被称为tag(标签),而当这些tag汇集在一起时,便构成了完整的Prompt。
提示词主要分为正向提示词和反向提示词两大类。正向提示词用于指定画面中需要呈现的内容,而反向提示词则用于排除画面中不希望出现的内容。此外,巧妙运用提示词还能有效提升画面的整体质量。

5.2.1 提示词编写时的注意事项
1. 在编写提示词时,请确保使用英文,因为使用中文的效果可能并不理想。
2. 编写的提示词越详细,生成的画面就会越丰富多彩。因此,我们应该尽量详尽地描述出我们想要达到的目标效果。
3. 提示词的权重是按照从前到后的顺序递减的,越靠前的提示词其影响力越大。当提示词长度达到一定程度后,后面的提示词可能就无法发挥作用了。
5.2.2 提示词的编写思路及分类
在编写提示词时,通常的格式为:品质描述词+主题元素+细节描述词+背景环境词+艺术风格描述
特别提示:如果发现某些提示词对出图效果没有明显影响,这可能与大模型的选择有关。在这种情况下,可以尝试切换几个不同的模型来寻找最佳的解决方案。

举个例子:
追求极致品质,打造杰作,以8K分辨率呈现,画面中洋溢着美丽与美学气息,这是一幅官方认证的艺术作品。画面中描绘了一位长发金发的女孩,她闭着嘴,妆容精致,嘴角上扬,露出一丝微笑。她站立着,一只手随意地插在口袋中,身穿一件白色衬衫和牛仔裤。整个画面背景设在屋顶之上,远处是繁华的城市景观,夕阳西下,秋意渐浓。画面光线采用电影般的质感,宽阔的视角捕捉了这一刻的宁静与美好。
注意事项:上一次输出的内容大约191字,而原文内容约有312字,信息量有所缺失。为确保信息的完整性,以下改写将保留原文的全部细节、数字和案例,篇幅不低于原文的85%。

5.2.3 索引词的五大核心语法
1. 内容形态
(1) 单词:例如,1girl, beautiful, sitting, table
优点:便于在多个主体间分配权重
缺点:难以展现多个主体间的相互关系
(2) 词组:例如,1 beautiful girl, sitting near the table
优点:更有效地呈现主体间的关系
缺点:不便在多个主体间调整权重
(3) 短句:例如,1 beautiful girl sitting near the table
2. 分隔
用于分隔不同的关键词tag,采用英文输入法的逗号来分隔,中间无需空格,例如1girl,standing
3. 权重语法
样式一:(提示词:权重数值),例如:(blue eye:1.5)
将提示词用括号括起,后跟权重数值,数值范围从0.1到100,默认为1,小于1表示减弱,大于1表示增强,通常不超过2,快捷键为:Ctrl + 方向键上下
样式二:(提示词)或[提示词]
每一层{}增加1.05倍效果,每一层()增加1.1倍效果,每层[]减少1.1倍效果;可以多层使用括号,最多三层,例如:(((blue eye)))
4. 混合语法
使用AND将多种元素强制组合到图像中,例如:1cat AND 1dog,生成的动物将同时具备猫和狗的特征。
此外,还可以添加权重,例如:1horse:2 AND 1cow AND 1tiger

5. 交替运算策略
在生成过程中,我们可以通过交替使用关键词来创造出丰富的视觉效果。这种交替不仅限于两个物体之间的互动,同样可以应用于多个物体,以实现画面中多种特征的融合。
具体操作如下:[关键词1|关键词2|关键词3],[cat|dog|bigj] in a field,通过这样的组合,画面将展现出多样化的特征。

6. 分段创作技巧
在创作过程中,我们可以采用以下三种表述方式:
(1) 采用[关键词1:关键词2:数字],[from:to:when]的格式。当数字大于1时,它表示在完成第X步之前,关键词1是主要元素,而在第X步之后,关键词2将取而代之。例如,[1man:flower:20]即表示在前20步中,画面以“man”为主,之后则转向“flower”。
(2) 使用[关键词:数字],[to:when]的格式。若数字大于1,它指示从第XX步开始进行绘画;若数字小于1,则表示从XX比例开始绘画。比如,[flower:20]意味着绘画将从第20步开始,而[flower:0.5]则表示从整个过程的50%处开始。
(3) 采用[关键词::数字],[from::when]的格式。当数字大于1时,它表示绘画将在第XX步截止;若数字小于1,则表示绘画将在XX比例处截止。例如,[flower::20]意味着绘画将在第20步结束,而[flower::0.5]则表示在过程的50%处结束。
5.3 参数调整
5.3.1 【采样策略】
这可以被视为模仿某位画家的绘画风格。不同的采样策略与不同的模型、参数相配合,能够产生多样化的效果。
推荐采样策略:在二次元创作中,建议使用Euler a;而在真实系创作中,则推荐使用DPM++ 2M Karras。

5.3.2 【迭代步骤详解】
这一步骤可以被看作是在由噪声覆盖的画布转变为最终图像展示的整个过程中,画布上的噪声究竟被去除了多少次。
当用于生成真实风格的图片时,若迭代步骤增加,那么画面的描绘将会更加细腻。然而,当迭代步骤过多时,对于画面质量的提升作用反而不再明显。在生成二次元风格的图片时,若迭代步骤过高,甚至可能出现反效果。鉴于此,建议将迭代步骤设置为20至40步(当然,这一推荐值可以根据实际需要进行适当调整)。

5.3.3 高分辨率修复技巧
功能解析:此功能的主要目的是放大图片尺寸,提升图片的像素数量。
适用场景:这一功能在大多数情况下都是适用的。尤其是在绘制人物全身画像时,如果脸部出现变形的情况,开启此功能可以对脸部进行有效的修复处理。

众所周知,将一张尺寸较小的图像进行放大处理,往往会使其变得模糊不清。而高分辨率修复技术,则是在原有图像尺寸的基础上,运用特定的放大算法,对图像进行相应的倍数放大。这样做的目的是为了给Stable Diffusion提供更大的细化空间,从而确保在放大后的图像依旧能够保持清晰度。

文章标题:AIGC | Stable diffusion入门篇
(文章第31/48部分,正文部分,以下为改写内容)
原文段落:
在放大处理的技术路径上,其原理及实施手段与之前所述相近,尤其是在学习阶段,我们建议初学者选用“R-ESRGAN 4x+”作为放大算法。
所谓放大倍数,即指在原始设定尺寸的基础上进行相应倍数的放大。例如,若原始尺寸为512*512像素,放大至2倍则变为1024*1024像素,放大至3倍则为1536*1536像素,依此类推。
需留意的是,若放大倍数设置过高,可能会导致显存溢出的问题。
关于高分迭代步数:与之前的迭代步数设定相似,默认值设为0,即按照原有的迭代步数进行修复。若设置为10,则意味着在原有的迭代步数基础上增加10步进行修复。
重绘幅度:指的是在原始尺寸的图片上进行修复,与原图相似的程度。该参数的范围在0到1之间,数值越小,修复后的图片越接近原图;数值越大,修复后的图片与原图的相似度越低。这一参数在图像生成过程中同样扮演着关键角色。
5.3.4 【宽度】与【高度】设定
在此环节,我们可以调整图片的宽度和高度。默认的宽高比为512*512像素,此时为正方形图片。若将宽度调整为680像素,高度保持512像素,则图片变为长方形。通过点击转换按钮,可以灵活切换宽高参数。需要注意的是,宽高设置得越大,生成图片的速度会相应减慢。

5.3.5 【批处理次数】、【单次批处理量】
批处理次数:指的是每次进行生成操作时,按顺序生成的图片数量。
(1)优势:减少了对显卡性能的依赖。
(2)劣势:图片生成所需时间相应增长。
单次批处理量:指的是一次性生成多张图片。其优势在于,可以将图片集中处理,提高显存的使用效率。
5.3.6 【提示词引导系数】Classifier-Free Guidance(CFG)scale(CFG指数)
该系数用于调整文本提示在扩散过程中的引导强度。其取值范围在1到30之间。当提示词引导系数数值上升,生成的图片将更倾向于受到提示词的直接影响。相反,当数值降低时,除了提示词所描述的内容外,Stable Diffusion还会根据提示词生成一些额外内容,例如,如果提示词是“一个女孩”,图片中可能还会出现街道等元素。系数越高,生成的图片与提示词的匹配度越紧密。
建议将CFG指数保持在5到9之间最为适宜。若生成的画面出现“用力过猛”的现象,可以适当降低CFG值。但请注意,CFG值不宜超过12,以免画面出现崩塌。

5.3.7 【随机数种子——seed】:锁定像素分布位置(附图展示)
应用场合:在调整画面布局或是进行细微修饰时
每一幅作品均由像素点构成,而这些像素点在图像中的分布各不相同。当种子值被设定后,生成的图像整体风格将保持一致,尽管在细节上会有所不同。
需要注意的是,种子值并不决定画面中的具体内容,它的作用是固定像素点的具体位置。
骰子图标:点击此按钮,数值会变为-1,此时Stable Diffusion将随机生成图像。在获得令人满意的图像之前,这个数值通常保持为-1,这样可以探索出各种可能的图像风格,直至找到满意的作品。点击骰子旁边的按钮后,该图像的种子值便会自动记录,此时可以对图像进行细致的调整。

5.4 插件区域详解
在软件的插件区域,我们可以存放并管理各种插件。这些插件中,部分会在顶部的标签栏中直接展现,而更多的插件则会在这里一一呈现。(关于这一部分的深入讲解,将在进阶篇中详述。)

5.5 图片生成区域
5.5.1 【生成】按键功能
完成模型选择、输入提示词汇以及调整参数设定后,点击【生成】按键,即可启动图片的生成过程。若需进行连续不断的图片生成,可以通过右键点击该按键,选择【开启无限生成】模式,或者选择【终止无限生成】来停止连续生成。

各操作按钮的功能详解
【1】:点击此按钮,系统将自动抓取生成区域中的图片,并同步显示其对应的提示词及采样策略。
【2】:点击该按钮,将弹出输入框,您只需在此框内输入提示词,系统便会自动填充为正向提示词。
【3】:点击此按钮,可以一键清除当前的正向提示词和负向提示词。
【4】:在预设提示词列表中选择任意一项,随后点击相应按钮,预设提示词便会自动填充至正向提示词和反向提示词区域。

【预设创建】点击界面弹出窗口,输入预设的样式、正面提示语以及负面提示语,完成填写后点击保存。此后,您便可随时调取该预设,方便地将常用的优质词汇和负面词汇整合进预设库中。
【预设移除】若需删除已创建的预设,请注意,Webui界面并不支持此操作。您需要进入SD程序的根目录,寻找名为“styles.csv”的文件,并打开该文件以执行删除操作。

5.6 图片浏览区域
在页面中,您可以通过点击生成的图片来放大查看细节。在图片的右上角,您会发现两个功能按钮:一个是用于下载图片的图标,另一个则是用来关闭当前图片预览的图标。
【查看文件夹】:通过点击此选项,您将能够直接打开并查看存储该图片的文件夹。
【单独保存】、【批量打包下载】:点击相应按钮后,您会在下方看到图片的名称以及一个下载图标。如果您的生成批次总数或单批次数量超过1,图片将会自动打包成一个压缩文件。您只需点击下载按钮,就可以保存图片或压缩包。
【转至图生图】、【转至局部重绘】:选择这两个选项之一,系统会自动跳转至图生图页面,同时,生成该图片的提示词也会同步显示,方便您进行二次创作。
【转至后期处理】:点击此选项,您将被引导至后期处理界面,在那里您可以进一步对图片进行细致的后期处理。

生成信息展示区:在每张生成的图像底部,将详细列出该图像的各项参数信息,包括但不限于正向引导词、反向引导词、随机种子值、迭代次数、采样技术、图像尺寸、主模型类型、VAE模型类型、软件版本以及生成该图像所需的总时间等内容。

5.7 图像生成图像
在之前的介绍中,我们主要探讨了文本生成图像的原理。今天,我们将聚焦于图像生成图像的技术,这一技术的基本原理与板块和文本生成图像相似,只是在文本生成图像的基础上,增加了一个上传参考图片的选项。
5.7.1 图像生成图像的出图步骤:
第一步:挑选合适的模型
第二步:输入正向提示词和反向提示词。在这个过程中,你可以利用“WD 1.4标签器”上传图片,从而反推提示词,并将这些提示词发送至图像生成功能。系统将自动提取并使用正向提示词。

第三步:调整参数细节
1. 缩放策略选择:在参考图片的分辨率与预设分辨率不一致时,需选择合适的处理方式。
【仅调整尺寸】:通过拉伸或压缩图片,可能导致图片形状发生扭曲。
【裁剪后调整尺寸】:对参考图片进行裁剪,仅保留与目标尺寸相符的部分内容。
【调整尺寸后填充空白区域】:将参考图片整体缩小,然后自动在四周填充空白区域。
【调整尺寸(潜空间放大)】:通过拉伸或压缩图片,可能导致图片形状发生扭曲。

2. 自定义重绘尺寸:用户可根据个人需求灵活调整图片的宽度和高度,若希望调整后的图片尺寸与原始图片保持一致,只需轻点一键获取功能,即可快速实现。
3. 调整重绘尺寸倍数:基于参考图的原始尺寸,用户可以将其放大至所需的倍数,以实现不同的视觉效果。
4. 设置重绘幅度:在图像生成过程中,这一参数尤为重要。它决定了生成的图片与参考图之间的相似度。
工作原理:首先,对参考图片施加噪点处理,随后通过去噪步骤进行重绘。
参数范围设定为0至1。数值越接近0,生成的图像与原始图像的相似度越高;相反,数值越接近1,生成的图像与原始图像的相似度则越低。
- 0.1至0.4:图片整体保持不变;
- 0.4至0.7:画面进行较大程度的修改;
- 0.8至1:基本进行全新创作。

第四步:轻触【生成】按钮
完成前述步骤后,紧接着点击【生成】按键。
5.7.2 涂鸦、局部重绘、涂鸦重绘功能详解:
这三个功能均可以视为在图生图技术基础上,对局部进行修改的进阶操作。
1.涂鸦功能:用户可在上传的图片上进行随意的画笔涂抹,所涂之物将自动生成相应的图像内容。在图片的右上角,用户可以调整画笔的大小和颜色,同时具备清空涂鸦、撤销上一步操作、删除上传图片等实用功能。


2. 局部重塑
这一功能允许我们仅对图片中特定的区域进行重绘。操作时,只需用画笔轻轻涂抹上你希望进行改变的图像部分,接着在提示词输入框中键入你期望在该区域呈现的元素或场景,然后点击“生成”按钮。这一技巧非常适合于模特换装、模特换脸、瑕疵修正等多种场景。

(1)【蒙版边缘模糊度】:这一功能与Photoshop中的羽化效果相似,其调整范围设定在0至64之间。数值越小,涂抹边缘将显得越清晰;反之,数值越大,边缘则会更加柔和。
(2)蒙版模式:
【重绘蒙版内容】:此功能意味着仅对涂抹区域进行重新绘制,而图像的其他部分则保持原样。
【重绘非蒙版内容】:与之相对,这一模式则是针对未被涂抹的区域进行重绘,而涂抹过的部分保持原样。
(3)蒙版区域内容处理:
【填充】:此操作旨在填充原图模糊化后的像素,并在重绘过程中适当参考原图的色调,重绘幅度应设定在0.8以上。
【原图】:此选项是参考原图进行重绘,重绘幅度可在0至1之间调整。
【潜空间噪声】:通过像素形式填充噪点,实现完全的重绘,从而抹去原图信息,重绘幅度应大于0.8。
【空白潜空间】:将整个区域填充为棕色,实现完全的重绘,抹去原图信息,重绘幅度应大于0.8。
(4)重绘区域:一般情况下,选择【整张图片】选项可以使蒙版区域的内容与其他内容更加自然地融合。在某些情况下,例如像素较低的全身照片,由于分辨率不足,脸部可能会出现变形。此时,运用局部重绘功能来修复脸部,在重绘尺寸为512*512时,选择【仅蒙版区域】会比选择【整张图片】效果更佳。
原因在于,选择【整张图片】相当于对512*512像素的整个图像进行重新绘制,而脸部所占像素仍然较少,分辨率低仍可能导致脸部变形。而选择【仅蒙版区域】则仅需要填充整张脸部的512*512像素,分辨率的提升能有效修复脸部。
【整张图片】:Stable Diffusion会重新绘制整张图片,并对蒙版区域的内容进行变化(如果选择的是重绘蒙版内容的话)。
【仅蒙版区域】:Stable Diffusion不会改变没有蒙版区域的内容,仅对蒙版区域的内容进行修改。
3.涂鸦重绘:此功能与涂鸦类似。
4.上传重绘蒙版:在前几种重绘功能中,难以实现特别精细化的处理。而通过上传重绘蒙版,可以在SD以外的软件中预先制作好蒙版,再上传至SD,从而提高蒙版的精细化和可控性。
上传的蒙版中,黑色代表非蒙版区,白色代表蒙版区。
在此功能下,上图为原图,下图为蒙版图。原图和蒙版图的大小需保持一致。
注意:蒙版图片需上传为jpg格式,png格式可能无法正常使用。

5. 批量操作技巧
适用场景:当需要将多张图片进行图生图转换或重新绘制时,此功能尤为适用。
操作步骤:
首先,您需要确定输入和输出目录的文件夹路径,并点击复制将其粘贴到相应的区域。如果需要进行批量蒙版重绘,您还需创建一个新的文件夹来存放蒙版文件,并将该文件夹的路径复制到指定位置。
重要提示:在进行批量处理时,确保蒙版图与需要处理的原图的文件名保持一致!
其他参数设置与之前保持一致,按照既定步骤完成设置后,点击“生成”按钮。处理完成的图片将会自动存放在【输出目录】中。

六、结语
在深入探索Stable diffusion的学习旅程中,我们可能会遭遇各式各样的挑战,例如频繁出现的报错困扰;即便提示词与他人相同,所生成的效果却截然不同;面对无效的命令;或是插件难以寻觅等问题;甚至难以精确呈现出心中的想象。然而,Stable diffusion的学习之路并非如想象中的那般高不可攀。关键在于我们需克服内心的畏难情绪,勇敢迈出第一步,面对问题时要耐心地按部就班地逐步解决。若在本文中存在描述上的不妥之处,敬请各位读者不吝指正!