当前位置: 首页 > news >正文

AI绘画软件Stable Diffusion详解教程(7):图生图基础篇(改变图像风格)

我们在使用AI魔盒不停的绘制一幅幅图像时,会有这样的疑问:为什么生成的图像随机性这么强?我们如何按照自己的构图创作作品?为什么提示词生成的图像细节不够?如何把手绘的风格转换成另一种风格,或者说把自己的照片转换成另一种风格?

以上问题除了可以通过lora、controlnet等微调模型来实现,我们还可以通过图生图来解决,微调模型相对复杂,我们先来学习一下图生图。图生图的标签在下图箭头处:

图生图中又有不同的绘图功能,本篇主要讲一部分基础功能和常见参数设置。

一、图生图(img2img)的参数

图生图的工作方式与文生图有所不同,文生图直接通过噪声产生图像,而图生图是图像和噪声一起结合运算的结果,其原理是在一副初始图的基础上添加噪点,然后根据提示词扩散去噪,最后形成新的图像。)

1.重绘强度

添加的噪声量取决于重绘幅度参数,该参数的范围从0到1,0表示不添加噪声,生成的图像和原图像相同,而1表示完全用噪声替换图像,实质上等同于文生图。

原图:(使用DreamShaperXL基础模型绘制):

重绘幅度为0:(使用revAnimated基础模型绘制)

重绘幅度为0.3:

重绘幅度为0.5:

重绘幅度为0.7:

可以看出,重绘幅度到0.7的时候和原图的偏离度已经很大了。

2.提示词引导系数(CFG Scale)

和文生图一样,提示词引导系数非常重要,参数越大,提示词强度越强,生成的图像就越符合提示词的要求,但一般不超过20,以避免过度依赖提示词导致图像失去多样性。

3.缩放模式

(1)拉伸

此模式仅调整图片大小,会导致图片变形,结果如下:

(2)裁剪

会根据新的尺寸截掉多余的部分。

(3)填充

看起来和原图一样,但是像素变大了一倍。可以用于扩充图像的像素,此方法最常用,比如用于修复不清晰的照片。

(4)直接缩放

和第(1)中拉伸效果相同,只不过用的不同的算法来实现,图像质量一般还不如第一种。

二、图生图其它面板参数

1.涂鸦绘制(Sketch)

2.局部绘制(Inpaint)

3.局部绘制(涂鸦蒙版)(Inpaint sketch)

4.局部绘制(上传蒙版)(Inpaint upload)

5.批量处理(Batch)

以上功能在后续篇幅逐一详解,今天就先写到这里。

http://www.dtcms.com/a/54533.html

相关文章:

  • 蓝桥杯题型
  • CAP三进二、Base原理和Raft算法
  • PDF 文件中的文本链接是如何定义的?
  • 简记_硬件系统设计之需求分析要点
  • 2025牛客寒假算法基础集训营6
  • Python自动化测试教程
  • Spring Boot 内置工具类,功能齐全!!
  • TTP/HTTPS、TCP/IP 协议、RPC、Socket 通信机制
  • 盛铂科技PDROUxxxx系列锁相介质振荡器(点频源):高精度信号源
  • GitLab常用操作
  • Java高频面试之集合-04
  • Nginx 开启Baise认证
  • 计算机二级MS之PPT
  • 数据库系统概论(一)详细介绍数据库与基本概念
  • 微服务概览与治理
  • 零售交易流程相关知识(top-down拆解)
  • 同步 Fork 仓库的命令
  • 公开笔记:自然语言处理(NLP)中文文本预处理主流方法
  • 软考高级信息系统项目管理师笔记-第12章项目质量管理
  • 【Manus资料合集】激活码内测渠道+《Manus Al:Agent应用的ChatGPT时刻》(附资源)
  • 布隆过滤器原理详解:高效解决大规模数据去重与查询问题
  • Mysql安装方式
  • Java 8 四大函数式接口详解
  • HOW - React 如何在在浏览器绘制之前同步执行 - useLayoutEffect
  • 数据结构拓展:详解realloc(C++)
  • K8S学习之基础十四:k8s中Deployment控制器概述
  • 推荐一个基于Koin, Ktor Paging等组件的KMM Compose Multiplatform项目
  • 机器学习之无监督学习
  • 一文解锁基于 MemryX 与 RK3588 的边缘 AI “王炸” 组合解决方案
  • 【网络安全】——协议逆向与频繁序列提取:从流量中解码未知协议