[AI繪畫]sd學習記錄(二)文生圖參數進階

目錄

  • 7.高分辨率修復:以小博大
  • 8.細化器(Refiner):兩模型接力
  • 9.隨機數種子(Seed):復現圖片吧

本文接續https://blog.csdn.net/qq_23220445/article/details/148460878?spm=1001.2014.3001.5501,繼續講解文生圖的參數。

7.高分辨率修復:以小博大

高分辨率修復位于ui的這個地方:

點擊右側的小三角,就能打開完整的UI:

直接生成高分辨率圖(比如 2048×2048 )時,模型容易因 “超出訓練習慣”(多數模型訓練于 512×512 ),出現多頭多手、細節崩壞 。

高分辨率修復(Hires.fix )的做法是,先以 低分辨率(如 512×512 )生成基礎圖(穩定且不易崩 ),再用 放大算法 + 重繪 ,把低分辨率圖 “無損放大” 到高分辨率(如 2048×2048 ),同時補充細節、修復崩壞。

參數如下:

  • 放大算法

就是把圖片放大時所用的算法,一般采用如下幾個:

Latent(默認):最常用!基于 Stable Diffusion latent 空間優化,平衡速度和細節,放大后畫面自然,適合二次元、插畫。特點:速度快、兼容性好,放大 2 倍無壓力,細節比傳統算法(如 bicubic )強。Latent (antialiased):Latent 的抗鋸齒版,放大后邊緣更平滑(如人物發絲、物體輪廓 ),適合解決 “放大后邊緣鋸齒” 問題。

Latent (bicubic):結合雙三次插值(bicubic )的 Latent 算法,細節更細膩(但速度稍慢 ),適合寫實風格。

4x-AnimeSharp:專為二次元 / 動漫優化的算法,放大后線條更銳利、色彩更鮮亮,適合生成高清動漫壁紙。對二次元風格 “針對性增強”,但寫實圖可能效果奇怪。

SwinIR_4x:基于深度學習的超分辨率算法,細節還原天花板,放大后畫面接近 “重新繪制”,適合寫實肖像、高精度場景。

  • 放大倍數
    決定最終分辨率是基礎圖的幾倍(2 倍即 512→1024 )。

  • 重繪幅度
    控制 “放大后重繪的力度”。值越高,新細節越多(但可能偏離原圖 );值越低,越接近原圖(但細節少 )。日常選 0.3 - 0.7 。

  • 高分迭代步數
    放大后重繪的迭代次數,步數越高細節越細(但時間翻倍 )。一般設 10 - 30 ,設 0 則 “只放大不重繪”(細節少但速度快 )。

什么時候用 Hires.fix?

  1. 想做高清壁紙 / 商用圖:低分辨率圖細節不夠,用它放大到 2K/4K 。
  2. 直接生成分辨率易崩:比如生成 1024×1024 圖時人物手部崩壞,先用 512×512 生成,再用 Hires.fix 放大修復。
  3. 追求極致細節:比如發絲、衣物紋理,通過放大 + 重繪補充細節。

我們以放大倍數:2,高分迭代步數:10,重繪幅度:0.7,算法為Latent舉例,在右上角就能看到此功能的作用:將畫面大小從353x500提升到706x1000

最終耗時23.4s

直接繪制一張706x1000的圖片,耗時31.8s

來個極端一點的,用250x250放大4倍生成1000x1000分辨率的圖片,看起來還蠻精細的。

直接生成一張250x250的圖,明顯模糊很多。

8.細化器(Refiner):兩模型接力

位于ui的這個地方

細化器就是兩模型接力生成圖片。右邊是兩個模型的切換時機,填0.8后,當生成百分之80時便會切換到細化器里面選擇的模型。

比如說,我現在有兩個模型:夜羊社v1.2和立繪專用模型,我想生成夜羊社風格的立繪

于是,我可以先用立繪專用模型生成一個框架,再填充夜羊社v1.2的內容,下面是不同切換時機的參考:

切換時機為0.1:

切換時機為0.5:

切換時機為0.8:

9.隨機數種子(Seed):復現圖片吧

位于ui的這個地方:

點開右邊的小三角可以看到完整ui。

生成圖像時,模型會先創建一個隨機噪聲圖,再通過去噪得到最終畫面。Seed 就是這張 “噪聲圖的密碼”,只要種子相同,生成的圖像完全一樣!!就和mc的地圖種子一樣。

填寫-1意思是每次生成都隨機抽取種子。

比如說我設置種子為123,連續生成兩張:

可以看到,兩張圖片是一模一樣的。因此,當你覺得生成一張圖很好看,只需要記住其種子,在保證其他參數一樣的前提下就能復現,

并且固定 Seed ,只改提示詞、采樣方法、CFG Scale 等,可在原圖基礎上 “小幅度調整”(比如讓人物換發型但姿勢不變 ),亦可以用來生成同一場景下的不同角色 / 風格(比如 Seed=1234,分別生成 “白天”“黑夜” 的校園場景 )

比如我只把秋天這個此時此換成春天,可以看到變化比較小。

變異隨機種子是基于原始 Seed,小幅度打亂噪聲分布,讓畫面在可控范圍內改變,而變異強度便是控制 改變的幅度,值越高,畫面變化越大(但越可能偏離原圖 )。從寬度 / 高度中調整種子是通過 “拉伸寬度 / 高度的噪聲分布”,間接調整畫面的橫向 / 縱向細節(比如讓人物左邊頭發變多,或讓天空更廣闊 )。

當你用固定 Seed 生成了一張滿意的圖,但想保留構圖 / 風格,又想讓細節隨機變化(比如換人物表情、調整光影 ),就需要這些參數。

以上圖為例,添加一個隨機變異系數,變異強度為0.1,結果如下:可以看到主要改變的是背景。

當變異強度為0.5,結果如下:可以看到畫面已經有了明顯變化。

本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
如若轉載,請注明出處:http://www.pswp.cn/news/908634.shtml
繁體地址,請注明出處:http://hk.pswp.cn/news/908634.shtml
英文地址,請注明出處:http://en.pswp.cn/news/908634.shtml

如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

相關文章

C++學習思路

C++知識體系詳細大綱 一、基礎語法 (一)數據類型 基本數據類型 整數類型(int, short, long, long long)浮點類型(float, double, long double)字符類型(char, wchar_t, char16_t, char32_t)布爾類型(bool)復合數據類型 數組結構體(struct)聯合體(union)枚舉類型…

34、協程

在Linux系統中,協程是一種輕量級的線程,它們允許在多個任務之間切換,而不需要操作系統的線程調度。協程可以分為有棧協程和無棧協程,以及對稱協程和非對稱協程。 有棧協程 有棧協程每個協程都有自己的棧空間,允許協程…

DeepSeek 賦能金融科技,重塑開放銀行生態新圖景

目錄 一、金融科技開放銀行生態建設的現狀與挑戰二、DeepSeek 技術解析2.1 DeepSeek 的技術原理與特點2.2 與其他相關技術的對比優勢 三、DeepSeek 在開放銀行生態建設中的具體應用場景3.1 智能客服與財富管理3.2 風控與合規管理3.3 生態協同與數據共享 四、DeepSeek 應用案例分…

【QT控件】輸入類控件詳解

目錄 一、QLineEdit 二、Text Edit 三、Combo Box 四、Spin Box 五、Date Edit & Time Edit 六、Dial 七、Slider QT專欄:QT_uyeonashi的博客-CSDN博客 一、QLineEdit QLineEdit 用來表示單行輸入框. 可以輸入一段文本, 但是不能換行 核心屬性 核心信號…

【Oracle】存儲過程

個人主頁:Guiat 歸屬專欄:Oracle 文章目錄 1. 存儲過程基礎概述1.1 存儲過程的概念與特點1.2 存儲過程的組成結構1.3 存儲過程的優勢 2. 基礎存儲過程2.1 簡單存儲過程2.1.1 創建第一個存儲過程2.1.2 帶變量的存儲過程 2.2 帶參數的存儲過程2.2.1 輸入參…

【MATLAB代碼】制導方法介紹與例程——三點法|三維空間,動態目標導引(訂閱專欄后可直接查看源代碼)

三點法導引是一種導彈制導策略,通過計算導彈、目標和制導站之間的相對位置來確保導彈準確追蹤移動目標。該方法利用三角定位和動態調整,實時更新導彈的飛行路徑,以提高命中率,廣泛應用于軍事導彈和無人機等領域。文中有完整的matlab源代碼,訂閱專欄后即可查看 文章目錄 代…

Servlet 快速入門

文章目錄 概念SpringBoot 測試案例執行原理傳統 Servlet在 SpringBoot (嵌入式 Tomcat Spring MVC) 中請求從瀏覽器到業務代碼的完整步驟關鍵點流程圖 參考 概念 運行在服務器端的小程序, Servlet 就是一個接口,定義 Java 類被瀏…

Java 8 Stream API 入門到實踐詳解

一、告別 for 循環&#xff01; 傳統痛點&#xff1a; Java 8 之前&#xff0c;集合操作離不開冗長的 for 循環和匿名類。例如&#xff0c;過濾列表中的偶數&#xff1a; List<Integer> list Arrays.asList(1, 2, 3, 4, 5); List<Integer> evens new ArrayList…

黃柏基因組-小檗堿生物合成的趨同進化-文獻精讀142

Convergent evolution of berberine biosynthesis 小檗堿生物合成的趨同進化 摘要 小檗堿是一種有效的抗菌和抗糖尿病生物堿&#xff0c;主要從不同植物譜系中提取&#xff0c;特別是從小檗屬&#xff08;毛茛目&#xff0c;早期分支的真雙子葉植物&#xff09;和黃柏屬&…

機器學習14-遷移學習

遷移學習學習筆記 一、遷移學習概述 遷移學習是機器學習中的一個重要領域&#xff0c;它旨在解決當目標任務的訓練數據有限時&#xff0c;如何利用與目標任務相關但不完全相同的源任務數據來提高學習性能的問題。在現實世界中&#xff0c;獲取大量高質量的標注數據往往成本高…

013旅游網站設計技術詳解:打造一站式旅游服務平臺

旅游網站設計技術詳解&#xff1a;打造一站式旅游服務平臺 在互聯網與旅游業深度融合的時代&#xff0c;旅游網站成為人們規劃行程、預訂服務的重要工具。一個功能完備的旅游網站&#xff0c;通過用戶管理、訂單管理等核心模塊&#xff0c;實現用戶與管理員的高效交互。本文將…

量子計算+AI:特征選擇與神經網絡優化創新應用

在由玻色量子協辦的第二屆APMCM“五岳杯”量子計算挑戰賽中&#xff0c;來自北京理工大學的Q-Masterminds團隊摘取了銀獎。該團隊由北京理工大學張玉利教授指導&#xff0c;依托玻色量子550計算量子比特的相干光量子計算機&#xff0c;將量子計算技術集成到特征選擇和神經網絡剪…

Maven相關問題:jna版本與ES沖突 + aop失效

文章目錄 1、背景2、解決3、一點思考4、環境升級導致AOP失效5、okhttp Bean找不到6、總結 記錄一些Maven依賴相關的思考 1、背景 做一個監控指標收集&#xff0c;用一下jna依賴&#xff1a; <dependency><groupId>net.java.dev.jna</groupId><artifact…

gitlab CI/CD本地部署配置

背景: 代碼管理平臺切換為公司本地服務器的gitlab server。為了保證commit的代碼至少編譯ok&#xff0c;也為了以后能拓展test cases&#xff0c;現在先搭建本地gitlab server的CI/CD基本的編譯job pipeline。 配置步驟&#xff1a; 先安裝gitlab-runner: curl -L "ht…

移除元素-JavaScript【算法學習day.04】

題目鏈接&#xff1a;27. 移除元素 - 力扣&#xff08;LeetCode&#xff09; 第一種思路 標簽&#xff1a;拷貝覆蓋 主要思路是遍歷數組 nums&#xff0c;每次取出的數字變量為 num&#xff0c;同時設置一個下標 ans 在遍歷過程中如果出現數字與需要移除的值不相同時&#xff…

leetcode sql50題

在中文站沒找到對應的集合&#xff0c;想來自己動手拷貝過來&#xff0c;方便大家面試復習用&#xff0c;對應英文站點&#xff1a; https://leetcode.com/studyplan/top-sql-50/ Select #1757. 可回收且低脂的產品 鏈接: https://leetcode.cn/problems/recyclable-and-low-fa…

Dynadot專業版郵箱工具指南(五):將域名郵箱添加至Outlook客戶端

關于Dynadot Dynadot是通過ICANN認證的域名注冊商&#xff0c;自2002年成立以來&#xff0c;服務于全球108個國家和地區的客戶&#xff0c;為數以萬計的客戶提供簡潔&#xff0c;優惠&#xff0c;安全的域名注冊以及管理服務。 Dynadot平臺操作教程索引&#xff08;包括域名郵…

【RTSP從零實踐】1、根據RTSP協議實現一個RTSP服務

&#x1f601;博客主頁&#x1f601;&#xff1a;&#x1f680;https://blog.csdn.net/wkd_007&#x1f680; &#x1f911;博客內容&#x1f911;&#xff1a;&#x1f36d;嵌入式開發、Linux、C語言、C、數據結構、音視頻&#x1f36d; &#x1f923;本文內容&#x1f923;&a…

Python網頁數據抓取常用的庫及方法介紹

Python網頁數據抓取常用的庫及方法介紹 摘要:以下是Python網絡數據抓取常用的6個庫的詳細介紹,包括它們的概述以及每個庫中最常用的10個函數(如果某些庫常用函數不足10個,則列出所有常用函數)。每個函數都附帶功能描述、用法說明和使用示例。這些庫在網絡爬蟲、數據…

6.5 note

一個很有意思的dfs模擬題_前序遍歷 這個問題的話前置內容顯然是字典序&#xff0c;什么是字典序呢&#xff1f; 顧名思義&#xff0c;就是詞語在字典中的順序&#xff0c;也就是我們最常說的a,abandon,ability&#xff08;我記得前三個是這個&#xff09; 這是一種字符串之間比…