Stable Diffusion 系列教程 | 如何获得更高清优质的AI绘画

目录

1 高清修复

1.1 原理

1.2 基本操作

1.3 优缺点

2 UpScale 放大脚本

2.1 原理

2.2 基本操作

2.3 优缺点

3 附加功能放大

3.1 原理

3.2 基本操作

3.3 优缺点


优化出图质量,产出更高清,分辨率更高,更有细节的绘画作品呢?

之前为了提高绘画质量,我们学习了诸多的提示词,选用了更优的模型

同时我们了解到,越高的分辨率意味着模型有着更大的发挥空间,细节会更好,但是受限于直接放大图片分辨率产生的多头多脚的问题,同时大的分辨率可能会直接爆显存,那么我们该怎么办呢

本节我们了解更多的放大算法,使得AI画出的图更加有质感

涉及方法主要有:

高分辨率修复

Upscale脚本

附加功能中的图片放大算法

他们各有优缺点

我们首先生成一张原图

输入正向提示词

cinematic photo official art,unity 8k wallpaper,ultra detailed,aesthetic,masterpiece,best quality,photorealistic,entangle,mandala,tangle,entangle,1girl,cowboy shot,ecstasy of flower,dynamic angle,the most beautiful form of chaos,elegant,a brutalist designed,vivid colours,romanticism,atmospheric . 35mm photograph, film, bokeh, professional, 4k, highly detailed, skin detail realistic, ultra realistic, long hair, straight hair, eyes detail

输入反向提示词

(worst quality:1.5), (low quality:1.5), (normal quality:1.5), lowres, bad anatomy, bad hands, multiple eyebrow, (cropped), extra limb, missing limbs, deformed hands, long neck, long body, (bad hands), signature, username, artist name, conjoined fingers, deformed fingers, ugly eyes, imperfect eyes, skewed eyes, unnatural face, unnatural body, error, painting by bad-artist layman work, worst quality, ugly, (deformed|distorted|disfigured:1.21), poorly drawn, bad anatomy, wrong anatomy, mutation, mutated, (mutated hands AND fingers:1.21), bad hands, bad fingers, loss of a limb, extra limb, missing limb, floating limbs, amputation, Yaeba, photo, deformed, black and white, realism, disfigured, low contrast, long neck

初始分辨率设置为了640*704

1 高清修复

1.1 原理

先绘制一份低分辨率的图像

再根据它重绘第二幅高分辨率的图像

1.2 基本操作

先在低分辨率的情况下反复抽卡尝试,有满意的图之后,固定随机种子,进行高分辨率修复

(1)查看图片随机种子,填入种子栏

(2)在文生图界面出图设置栏勾选高清修复

 

勾选高清修复后会出现两行新的参数设置

 

(3)出图参数设置

1 放大算法 将低分辨率打回重画的方法,这里我们一般对于二次元选择 R-ESRGAN 4x+Anime 6B的方法,其他风格选择R-ESRGAN 4x+

2 高清修复采用次数 维持0不变即可,意味着和原图采样次数一样是20

3 重绘幅度 等图于图生图里的重绘幅度,和原图有多像,一般维持在0.5以下

4 尺寸设置 将图片由原始的分辨率放大到多少,

放大倍率就是放大几倍

点击 出图如下

比较一下 细节

1.3 优缺点

优点

(1)不会改变画面构图,由随机种子固定即可

(2)操作简单

(3)稳定克服多人,多头情况

缺点

(1)仍然需要较大的显存,而且能画多大依然受到显存的限制

(2)计算速度相对较慢,,耗费较长时间

2 UpScale 放大脚本

第一种方法依然受到显存限制,所以但这种方法就不受影响啦

2.1 原理

将图片打成不同块,每一块分别绘制

2.2 基本操作

这是属于图生图的功能

这里有一个小技巧,点击图片预览下方的图生图,可以把刚刚文生图生成的图片移动到图生图,同时各种参数设置,提示词,模型都会复制一份

(1)点击脚本一栏,选择使用SD放大

(2)参数设置

1 放大算法 我们选择和1高清修复一样的即可,二次元选择 R-ESRGAN 4x+Anime 6B的方法,其他风格选择R-ESRGAN 4x+

2 图块重叠的像素,原理部分我们讲到,UpScale 是通过打成不同的块进行的,因而块与块之间要缝合需要一定的像素过渡,一般维持默认64即可

3 缩放系数 将图片由原始的分辨率放大到多少倍

点击生成

比较一下细节

2.3 优缺点

优点

(1)可以突破内存限制,获得更大的分辨率,速度较快

(2)画面精度更高

缺点

(1)分割过程较为不可控

(2)操作比较繁琐

3 附加功能放大

用于图片后期处理

用于两种算法放大

3.1 原理

附加功能的放大,相当于重绘幅度为0的Upscale

3.2 基本操作

这里也有一个小技巧,点击图片预览下方的添加到附加功能,可以把刚刚文生图生成的图片移动到附加功能一栏中,同时各种参数设置,提示词,模型都会复制一份

(1)参数设置

1 缩放比例 将图片由原始的分辨率放大到多少倍

2 Upscale1 ,放大算法 同上面讲到的,一般对于二次元选择 R-ESRGAN 4x+Anime 6B的方法,其他风格选择R-ESRGAN 4x+

3 其他设置 Upscale2 可见度什么的维持默认即可

点击生成

比较一下细节

3.3 优缺点

优点

(1)简单,方便,计算快

(2)完全不改变图片内容

缺点

(1)细节上不如前两种方法

AI绘画教程:如何在stable diffusion中生成高清大图? - 知乎 (zhihu.com)

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:http://www.mzph.cn/news/52763.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Nexus 如何配置匿名用户访问一个仓库

现在有这样一个需求,我们需要匿名用户访问 Nexus 的一个公共仓库。 设置 Roles 在满足这个需求之前,我们需要设置一个 Roles。 Role 的名字是可以随填写的。 这里关键的问题在你需要访问的仓库的 View 的权限需要设置 Read 和 Browse 这 2 个权限。 如…

08-信息收集-架构、搭建、WAF等

信息收集-架构、搭建、WAF等 信息收集-架构、搭建、WAF等一、前言说明二、CMS识别技术三、源码获取技术四、架构信息获取技术五、站点搭建分析1、搭建习惯-目录型站点2、搭建习惯-端口类站点3、搭建习惯-子域名站点4、搭建习惯-类似域名站点5、搭建习惯-旁注,c段站点…

OpenCV 中的色彩空间 (C++ / Python)

在本教程中,我们将了解计算机视觉中使用的流行色彩空间,并将其用于基于颜色的分割。我们还将分享 C++ 和 Python 的演示代码。

win10+wsl2+Ubuntu20.2+Pycharm+WSL解释器

目的:创建一个ubuntu系统下的python解释器,作为win平台下的pycharm的解释器。 这样做的好处是可以直接在win系统里操作文件,相比于linux方便一点,而且也不用对wsl的子系统进行迁移。 一、安装前准备 1. 设置-Windows更新-window…

SpringBoot项目集成ElasticSearch服务

本文已收录于专栏 《中间件合集》 目录 版本介绍背景介绍优势说明集成过程1.引入依赖2.添加配置文件3.初始化 示例说明代码结果 总结提升 版本介绍 Spring boot的版本是: 2.3.12   ElasticSearch的版本是:7.6.2 背景介绍 在我们的项目中经常会遇到对于…

Unity - 特殊文件夹

地址记录:https://www.cnblogs.com/zouqiang/p/6841399.html Assets Assets文件夹是unity项目中放置游戏资源的主文件夹。 该文件夹中的内容将直接反应在编辑器的Project视口中。许多系统API基于该文件夹路径。 Resources Unity允许你按需动态加载游戏资源到场景中…

Python使用pyqt5写windows桌面应用实战教程

本篇文章主要讲解,Python使用pyqt5写windows桌面应用的详细实战教程文章,主要涵盖单个界面的布局构建说明,表单构建说明,数据交互构建说明以及可直接开发的简易多界面框架实例构建说明,能够让你很快的了解pyqt在python中的使用和构建方式,快速实现一个简单的windows桌面图…

NTP相关问题

ntp协议的相关概念 ntp(时间同步协议),用来在分布式时间服务器和客户端之间进行时间同步。NTP基于UDP报文进行传输,使用的UDP端口号是123. 使用NTP的目的是对网络内所有具有时钟的设备进行时间同步,是网络内所有设备的时钟保持一致&#xff0…

【Java转Go】快速上手学习笔记(六)之网络编程篇一

目录 TCP一个简单案例server.go 服务端client.go 客户端 HTTPserver.go 服务端client.go 客户端 RPC一个很简单的示例server.go 服务端client.go 客户端 WebSocketserver.go 服务端client.go 客户端 完整代码server.go 服务端client.go 客户端 go往期文章笔记: 【J…

spring整合MybatisAOP整合PageHelper插件

一,spring集成Mybatis的概念 Spring 整合 MyBatis 是将 MyBatis 数据访问框架与 Spring 框架进行集成,以实现更便捷的开发和管理。在集成过程中,Spring 提供了许多特性和功能,如依赖注入、声明式事务管理、AOP 等 它所带来给我们的…

Qt --- QTimer

在Qt开发界面的时候,非常多的时候都得使用定时器,定时器具体可以干什么呢?比如:控制时钟、定时改变样式、改变进度等。。。说到这里,经常使用QQ,而不同的时段都会显示不同的背景,我认为如果用Qt…

yolov8实战之torchserve服务化:使用yolov8x来预打标

前言 最近在做一个目标检测的任务,部署在边缘侧,对于模型的速度要求比较严格(yolov8n这种),所以模型的大小不能弄太大,所以原模型的性能受限,更多的重点放在增加数据上。实测yolov8x在数据集上…

Golang Gorm 一对多关系 关系表创建

一对多关系 我们先从一对多开始多表关系的学习因为一对多的关系生活中到处都是,例如: 老板与员工女神和添狗老师和学生班级与学生用户与文章 在创建的时候先将没有依赖的创建。表名称ID就是外键。外键要和关联的外键的数据类型要保持一致。 package ma…

【Linux】进程状态|僵尸进程|孤儿进程

前言 本文继续深入讲解进程内容——进程状态。 一个进程包含有多种状态,有运行状态,阻塞状态,挂起状态,僵尸状态,死亡状态等等,其中,阻塞状态还包含深度睡眠和浅度睡眠状态。 个人主页&#xff…

【Linux网络】Cookie和session的关系

目录 一、Cookie 和 session 共同之处 二、Cookie 和 session 区别 2.1、cookie 2.2、session 三、cookie的工作原理 四、session的工作原理 一、Cookie 和 session 共同之处 Cookie 和 Session 都是用来跟踪浏览器用户身份的会话方式。 二、Cookie 和 session 区别 2.…

Linux下的Shell基础——正则表达式入门(四)

前言: 正则表达式使用单个字符串来描述、匹配一系列符合某个语法规则的字符串。在很多文本编辑器里,正则表达式通常被用来检索、替换那些符合某个模式的文本。 在Linux 中,grep,sed,awk 等文本处理工具都支持…

redis持久化机制 事务详解

目录 前言: 持久化机制 RDB(Redis DataBase) 手动触发 save bgsave 自动触发 RDB特点 AOF(append only file) 缓冲区刷新策略 重写机制 aof重写流程 混合持久化 事务 事务操作命令 WATCH WATCH实现原…

分布式计算框架:Spark、Dask、Ray

目录 什么是分布式计算 分布式计算哪家强:Spark、Dask、Ray 2 选择正确的框架 2.1 Spark 2.2 Dask 2.3 Ray 什么是分布式计算 分布式计算是一种计算方法,和集中式计算是相对的。 随着计算技术的发展,有些应用需要非常巨大的计算能力才…

亿赛通电子文档安全管理系统 RCE漏洞复现(QVD-2023-19262)

0x01 产品简介 亿赛通电子文档安全管理系统(简称:CDG)是一款电子文档安全加密软件,该系统利用驱动层透明加密技术,通过对电子文档的加密保护,防止内部员工泄密和外部人员非法窃取企业核心重要数据资产&…

VIT 和Swin Transformer

VIT:https://blog.csdn.net/qq_37541097/article/details/118242600 Swin Transform:https://blog.csdn.net/qq_37541097/article/details/121119988 一、VIT 模型由三个模块组成: Linear Projection of Flattened Patches(Embedding层) Tran…