随心玩玩（十三）Stable Diffusion初窥门径

写在前面：时代在进步，技术在进步，赶紧跑来玩玩

文章目录

简介
配置要求
安装部署
下载模型
启动ui
插件安装教程
分区提示词插件
Adetailer插件
提示词的分步采样
采样器选择
- 采样器的收敛性
- UniPC采样器
高分辨率修复 (Hires. fix)
图生图
ControlNet
- 介绍
- 控制类型
- - 线稿类型
  - 结构类型
  - 参考类型
  - 重绘类型
- 总结

简介

Stable Diffusion是一种人工智能（AI）模型，可以根据训练数据创建图像。
Stable Diffusion使用的是一种称为潜在扩散模型（LDM）的东西。
Stable Diffusion用于根据文本提示生成图像，并使用修复和外部绘制的过程改变现有的图像。

参考资料1：
https://www.lifewire.com/what-is-stable-diffusion-7485593
参考资料2：
https://en.wikipedia.org/wiki/Stable_Diffusion
参考资料3：
https://stablediffusionweb.com/

不想写的太长，更详细的介绍请查看参考资料

配置要求

显存 > 6G
内存 > 16G

安装部署

参考资料：
https://github.com/AUTOMATIC1111/stable-diffusion-webui
可以看这个视频：
https://www.bilibili.com/video/BV1gj411R7eQ/

先创建一个环境
conda create --name light python=3.9

然后git clone安装WebUI项目或者下载压缩包，下载慢的话可以使用代理：https://mirror.ghproxy.com/
git clone https://github.com/AUTOMATIC1111/stable-diffusion-webui
或者国内用代理下载更快
git clone https://mirror.ghproxy.com//https://github.com/AUTOMATIC1111/stable-diffusion-webui

等待WebUI项目下载完成
在这里插入图片描述

回到conda环境，
首先，我们需要先安装torch，因为torch默认是装最新的版本不支持我们的CUDA11.7
可以到这个网站https://pytorch.org/get-started/previous-versions/，CTRL+F搜索CUDA 11/12找自己版本对应的pytorch安装pytorch

以我的CUDA 11.7为例子，pip进行安装：
pip install torch==2.0.1 torchvision==0.15.2 torchaudio==2.0.2 -i https://pypi.tuna.tsinghua.edu.cn/simple
安装python lighting，==后填上自己的版本号，因为我上面pytorch装的2.0.1，所以我pytorch-lightning也装2.0.1
pip install pytorch-lightning==2.0.1 -i http://pypi.douban.com/simple/ --trusted-host pypi.douban.com
提前安装opencv库，这些都是踩了无数坑后才知道的…
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple opencv-python
安装scipy
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple scipy
清华源没有tb_nightly，切换阿里云
pip install tb_nightly -i https://mirrors.aliyun.com/pypi/simple

下载完后进入项目主目录，安装requirements_versions.txt
pip install -r requirements_versions.txt -i https://pypi.tuna.tsinghua.edu.cn/simple
这可能会将花费比较长时间…

下载模型

去https://www.liblib.art/下一个自己喜欢的，注意的是需要下载checkpoint类型模型
全部类型，选择checkpoint
在这里插入图片描述

我下载的是lu简笔画风卡通模型_v2.safetensors，大家可以找自己喜欢的，然后把这个文件复制到项目主目录下的models/Stable-diffusion文件夹里
在这里插入图片描述
注意这里可能会出现中文乱码的问题，是linux操作系统的问题…很坑
因此，我在服务器上用mv重新命名了一下这个文件名成中文的：
mv lu.safetensors lu简笔画风卡通模型_v2.safetensors

下面是模型推荐：

https://huggingface.co/gsdf/Counterfeit-V2.5
配合EasyNegative使用，上面的萝姬就是用这个模型，很好看，tag写起来也简单。

https://huggingface.co/andite/anything-v4.0
祖师爷，出图质量稳定，插图风格很不错。

https://huggingface.co/datasets/gsdf/EasyNegative
用这个负面tag就可以写很简单了。

https://huggingface.co/TASUKU2023/Chilloutmix
真人模型，不过我没怎么用过，还是喜欢二次元的图，不过之后可能研究配合Lora玩赛博COS。

来源： https://www.bilibili.com/read/cv21987039/

启动ui

启动UI还要远程安装一些文件，
因为我们连不上github，因此我们需要修改一下配置文件，如果你们能连上github就跳过这步：

需要修改的下载github路径配置文件在：
stable-diffusion-webui/modules/launch_utils.py

我们去编辑一下launch_utils.py，推荐先在本地编辑在传会服务器
或者大佬直接用vim
vim modules/launch_utils.py

搜索prepare_environment
在https://github.com开头的网址前面都加上代理网址
https://mirror.ghproxy.com，推荐使用ctrl+r替换
"https://github.com 替换成"https://mirror.ghproxy.com/https://github.com
'https://github.com 替换成'https://mirror.ghproxy.com/https://github.com

注意：这个文件可能会随项目后续更新，所以可能不一定是一样的，各位只能自行判断了。
在这里插入图片描述

我们可以看看webui.sh，根据提示，我们应该去webui-user.sh修改一下自己的配置

#!/usr/bin/env bash
#################################################
# Please do not make any changes to this file,  #
# change the variables in webui-user.sh instead #
#################################################

修改我自己的webui-user.sh，各位看者自行把握了，毕竟这是我的个人设置了…
重点是：修改python3 executable路径，改成刚刚安装的conda环境light

# python3 executable
python_cmd="/home/$(whoami)/anaconda3/envs/light/bin/python3"

添加执行权限
chmod +x webui.sh
在项目主目录用webui.sh启动
如果你的服务器不能开放端口，那么使用--listen
./webui.sh --listen --no-half --device-id 2
如果可以的话，使用--share
./webui.sh --share --no-half --device-id 2
--no-half表示不用半精度，防止出现黑图像
--device-id表示使用指定的GPU

等待安装下载，喝杯咖啡…
这里就会使用到之前配置的github链接进行下载文件在这里插入图片描述

然后等待模型加载
出现一个报错：
OSError: Can’t load tokenizer for ‘openai/clip-vit-large-patch14’. If you were trying to load it from ‘https://huggingface.co/models’, make sure you don’t have a local directory with the same name. Otherwise, make sure ‘openai/clip-vit-large-patch14’ is the correct path to a directory containing all relevant files for a CLIPTokenizer tokenizer.

解决方案见这篇：
https://blog.csdn.net/SuperB666/article/details/132826492
具体做法是先在这个镜像网站下载所有文件：
https://hf-mirror.com/openai/clip-vit-large-patch14/tree/main

又可以泡杯茶了…
同和解决方案的博客做法一样，创建stable-diffusion-webui/.cache/huggingface/transformers目录，把文件都丢上去
注意：.cache是创建隐藏目录
在这里插入图片描述
在两个文件各两处搜索：openai/clip-vit-large-patch14
改成stable-diffusion-webui/.cache/huggingface/transformers的绝对路径，
请自行参考解决方案博客。

这是那两个文件位置：
stable-diffusion-webui/repositories/generative-models/sgm/modules/encoders/modules.py
stable-diffusion-webui/repositories/stable-diffusion-stability-ai/ldm/modules/encoders/modules.py

重新启动webui.sh
出现Model loaded in 21.8s (load weights from disk: 1.3s, create model: 0.6s, apply weights to model: 19.5s, calculate empty prompt: 0.2s).表明启动成功！

然后本地做个隧道
本机设置：
win+r开启cmd，
使用以下命令将本地端口与服务器端相映射：
ssh -L [本地端口]:localhost:[远程端口] [远程用户名]@[远程IP] -p [ssh连接端口]
例如：
ssh -L 7860:localhost:7860 root@172.31.224.191 -p 22
自行更改ip和用户名后，输入密码连接即可

本地访问127.0.0.1:7860
在这里插入图片描述

尝试生成一张图片，这个模型看了下显存卡2占用大概是8G左右，
注意：卡0需要有300M的空间预留，不然会OOM
在这里插入图片描述

插件安装教程

详细可见参考资料：https://www.bilibili.com/video/BV1Qw411N7uM（推荐观看）

注意：
受限于SD的安全策略开启监听后默认不允许安装插件
解决办法是在webui-user.sh 的export COMMANDLINE_ARGS 参数中增以下参数
–enable-insecure-extension-access
参考资料：https://zhuanlan.zhihu.com/p/640499741

# Commandline arguments for webui.py, for example: export COMMANDLINE_ARGS="--medvram --opt-split-attention"
export COMMANDLINE_ARGS="--listen --enable-insecure-extension-access"

点击extensions-》available
url换成镜像：https://mirror.ghproxy.com/https://raw.githubusercontent.com/AUTOMATIC1111/stable-diffusion-webui-extensions/master/index.json
点击load from，去掉location，搜索hans，找到zh_Hans Localization
对需要的插件点击install即可，这里我们安装中文汉化
在这里插入图片描述

安装好后，去到setting，点击apply setting，最后点击reload UI
在这里插入图片描述
再去到setting，找到user interface，到localization选择zh-hans插件，在apply后再重启一边UI

第二种方式使用从url下载，同样的也是安装好后apply setting再reload UI即可
https://github.com/canisminor1990/sd-webui-lobe-theme.git
这里只为了演示，大家仍就可以从安装列表搜索的方式安装
注意：如果因为网络问题安装不了，可以使用代理哦~
https://mirror.ghproxy.com/https://github.com/canisminor1990/sd-webui-lobe-theme.git
在这里插入图片描述

最后我们尝试增加两个功能参数在UI，在setting找到user interface，
在这里插入图片描述
添加sd_vae和clip_stop_at_last_layers，重启UI

最后设置成功：
在这里插入图片描述

分区提示词插件

参考资料：https://www.bilibili.com/video/BV1Fa4y1S7bS/

安装regional prompter
在这里插入图片描述
如果网络不好出现：
fatal: unable to access ‘https://github.com/hako-mikan/sd-webui-regional-prompter.git/’: GnuTLS recv error (-110): The TLS connection was non-properly terminated.

那么可以用URL镜像下载：
https://mirror.ghproxy.com/https://github.com/hako-mikan/sd-webui-regional-prompter.git

重启UI，出现regional prompter表示安装成功
在这里插入图片描述

打开regional prompter，勾选启用

我发现效果不是很好…我决定换个checkpoint，我下了_GhostInShell_大佬的模型试试，同时查看一下regional prompter更多的教程

参考资料：https://zhuanlan.zhihu.com/p/632947775

关键点：
勾选使用常见提示词，提示词的开头加上公共提示词：

公共提示词
BREAK
区域 0 的提示词
BREAK
区域 1 的提示词

上面我们就有三个提示词：（1）公共提示词；（2）区域 0 的提示词；（3）区域 1 的提示词。公共提示词会被添加到每个区域的提示词开头。

这是我的例子：

two girl 
BREAK
a girl with green hair,red eyes
BREAK
a girl with black hair,green eyes

在这里插入图片描述

regional prompter的设置
在这里插入图片描述
这时候我想画三个人…
那么可以改分割比率为1,1,1

three girl 
BREAK
a girl,green hair,
BREAK
a girl,black hair
BREAK
a girl,white hair

在这里插入图片描述

总结：
在安装和使用regional prompter时遇到了一些问题。

网络问题可以尝试使用URL镜像下载。

效果不佳的问题，可以尝试更多的模型。

可以查看更多regional prompter的教程，也许有一些技巧可以提高效果，

比如在提示词的开头加上公共提示词以及区域的提示词。

Adetailer插件

Adetailer是人脸重绘修复插件，会自动检测人类生成蒙版进行重绘

官网：https://github.com/Bing-su/adetailer

输入https://github.com/Bing-su/adetailer.git进行安装

也可以通过直接从“扩展”选项卡安装它
在这里插入图片描述
选择启用

感觉效果一般…

提示词的分步采样

语法：
[物体1:物体2:介入时机]

决定主框架的物体放在前面，而汲取主特征的物体放在后面，介入时机是0到1之间的小数，表示从百分之多少开始介入

先抽卡-》确定种子-》设置介入参数

一般从0.3开始尝试，提前介入0.2会太早

物体2可以采用1.5倍强调

推荐流程：抽卡-》固定种子-》设置参数[物体1:(物体2:1.x):0.3] -》设置参数[物体1:(物体2:1.x):0.x]

采样器选择

参考资料：https://www.bilibili.com/video/BV1FN411i7sB/ （Stable diffusion采样器全解析，30种采样算法教程，推荐观看）
在这里插入图片描述
图片来源：https://www.bilibili.com/opus/838501405743382562

采样器的收敛性

如SDE不收敛采样器，收敛性并非一成不变，ETA参数即噪声倍率值，控制添加噪声的强度，进而控制发散程度，甚至可以完全关闭，在设置中找到采样方法Eta系数：

在这里插入图片描述

可以将这个参数添加到快捷键：
在这里插入图片描述
选择2M SDE Karras采样器做实验

使用脚本，画XYZ plot
在这里插入图片描述
ETA为1时不收敛，ETA为0有收敛趋势

UniPC采样器

优势：最新采样器，低步数快速出图

参数有：
UniPC variant
UniPC skip type
UniPC order
UniPC lower order final

将这4个参数添加到快捷菜单中：
在这里插入图片描述
首先是变体，有三个，当步骤 < 10 时，建议使用 bh1 进行无条件采样，否则使用 bh2。
什么是无条件采样，那就无任何提示词
solver_type (str, default bh2) — Solver type for UniPC. It is recommended to use bh1 for unconditional sampling when steps < 10, and bh2 otherwise.
参考资料：https://huggingface.co/docs/diffusers/main/en/api/schedulers/unipc
我们使用uniPC时候，应该使用bh2，cfg值适当降低至3~4
在这里插入图片描述

第二参数，UniPC skip type：
>51*512选 time_uniform
<512*512选logSNR
两者都不行，请尝试time_quadratic
选择time_uniform即可，因为大部分场景不会涉及小于512的情况

在这里插入图片描述

第三个参数，UniPC order
这个值我们需要微调
生成器会先生成高阶特征，再生成低阶特征
高阶特征：图像中具有较高层次结构的特征，如场景，体型，信号处理中的低频部分，可以理解成高斯模糊后图片的大光影结构
低阶特征：图像中具有较低层次结构的特征，如边缘，纹理，信号处理中的高频部分
低阶步数就是生成低阶特征的步数，一般不会设置太大，1~3之间就行
官网建议：solver_order (int, default 2) — The UniPC order which can be any positive integer. The effective order of accuracy is solver_order + 1 due to the UniC. It is recommended to use solver_order=2 for guided sampling, and solver_order=3 for unconditional sampling.

solver_order (int, 默认值 2) — UniPC 顺序，可以是任何正整数。由于 UniC 的原因，有效精度顺序为 solver_order + 1。建议使用 solver_order=2 进行引导采样，使用 solver_order=3 进行无条件采样。

记住默认为有条件为2就好

其实可以按照画面需求进行设置，如果觉得画面太过平滑，可以设置成3，4…但是过高手部会出现奇怪细节

也就是步数越高，细节更多，越不够唯美

在这里插入图片描述

第四个参数，UniPC lower order final保持勾选即可，不然会出现鬼图

高分辨率修复 (Hires. fix)

参考资料：https://medium.com/rendernet/using-hires-fix-to-upscale-your-stable-diffusion-images-8d8e2826593e

先生成低分辨率再超分

下面这几个比较常用：latent效果个人感觉不好
在这里插入图片描述

放大倍数，不要调太大会占不下显存
在这里插入图片描述

可以在 0–150 范围内设置 HiRes 步长
将其保持为 0 会使 HiRes 步骤 = 采样步骤
因此，如果您的采样步数为 20，而 HiRes 步数为 0，则总步数为 40。

选择正确的 HiRes 步数非常重要，因为将其设置得太低或太高都会使图像结果恶化。我们发现选择 10-15 个一般效果较佳

但是，如果采样步数超过 50，那么最好将 HiRes 步数设置为采样步数的一半。

在这里插入图片描述

去噪，默认降噪强度为0.7。然而，在很多情况下，这往往过于强烈。
建议首先使用 0.3–0.5 之间的值，然后根据结果将其调高或调低

如果出现网络问题无法下载：Unable to load RealESRGAN model https://github.com/xinntao/Real-ESRGAN/releases/download/v0.2.2.4/RealESRGAN_x4plus_anime_6B.pth

那么可以自行下载一下，根据提示丢到
stable-diffusion-webui/models/RealESRGAN/RealESRGAN_x4plus_anime_6B.pth

个人感觉比较占显存，放大2倍就要16G显存了。

图生图

图生图必装：Interrogate图像反推

下面是Interrogate模型：
https://github.com/AUTOMATIC1111/TorchDeepDanbooru/releases/download/v1/model-resnet_custom_v3.pt
放至stable-diffusion-webui/models/torch_deepdanbooru/

记得重启项目，上传图片，点击Interrogate（下图红色框框位置），自动填充prompt，然后点生成
当然可以自己调整一下参数
在这里插入图片描述

刚刚用的就是最基础的图生图，在原图上修改，如高清转化，图片放大等。下面介绍其他几个功能：

涂鸦模式，是在原图上进行简单的手绘，让AI完成润色

局部重绘，需要重绘的地方用画笔画出来，写好提示词

涂鸦重绘，类似局部重绘，会多考虑颜色

上传重绘蒙版，其实就是局部重绘

批处理，用的不多

参数调整：
重绘幅度，对原图的改造程度，大家可以0~1自己调整试试，取决于自己的需求
在这里插入图片描述
缩放图像

仅调整大小如果长宽比不一致会出现拉伸，那么可以选择裁剪后缩放，
缩放后填充空白，有点像重绘
潜空间放大，在潜空间进行，这时候要调高cfg

类似PS羽化效果，透明程度越高被影响越小
在这里插入图片描述
小幅修改使用原版
大幅修改，但又不想产生割裂，使用填充
更多的自由发挥空间，使用潜空间噪声或者空白潜空间，注意的是这里需要搭配较高cfg

重绘区域，仅蒙版区域下面的预留边缘像素才会生效
在这里插入图片描述

ControlNet

介绍

ControlNet是一种网络结构，通过添加额外控制条件，来控制出图效果。

参考资料：
https://github.com/Mikubill/sd-webui-controlnet（官网，适合高玩直接上手）
https://openai.wiki/controlnet-install.html（推荐新手照着做）
https://openai.wiki/controlnet-models-download.html （模型下载，当然我下面也提供百度盘）

首先安装ControlNet插件，然后下载模型：
打开“扩展”选项卡。
在选项卡中打开“从 URL 安装”选项卡。
输入https://github.com/Mikubill/sd-webui-controlnet.git
（下不动的话使用代理，https://mirror.ghproxy.com/https://github.com/Mikubill/sd-webui-controlnet.git）
安装后等消息：已安装到 stable-diffusion-webui\extensions\sd-webui-controlnet。
切换到设置，应用并重新启动 UI
完全重新启动 webui，退出启动的应用，重新用webui.sh启动

重启提示：ControlNet init warning: Unable to install insightface automatically. Please try run pip install insightface manually.
手动安装pip install insightface即可，注意切换环境

目前ControlNet 1.1的所有14个模型都处于beta测试阶段。
从 ControlNet 1.1 下载模型：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main
您需要下载以“.pth”结尾的模型文件。
将模型放入stable-diffusion-webui\extensions\sd-webui-controlnet\models中。只需要下载“pth”文件。
在这里插入图片描述

请勿右键单击 HuggingFace 网站中的文件名进行下载。一些用户右键单击这些 HuggingFace HTML 网站，并将这些 HTML 页面保存为 PTH/YAML 文件。他们没有下载正确的文件。请点击 HuggingFace 中的小下载箭头“↓”图标进行下载。

我提供了百度盘可以用百度盘下载，失效了记得踹我一脚
Sd15模型:
链接：https://pan.baidu.com/s/1f8Ya8mnD379yIb0uZCG75w?pwd=2jem
提取码：2jem
sdxl模型:
链接：https://pan.baidu.com/s/1z_TtoQ_EdQbL8YiumCns7Q?pwd=nip8
提取码：nip8
本地存放地址：[你安装sd的位置]/stable-diffusion-webui/extensions/sd-webui-controlnet/models

注意玩的模型目前主流的是SD1.5和SDXL，当然你可以选择你需要的模型进行下载，反正我是一股脑全扔上去了

像我现在用的鬼混模型就是SD1.5，但还是把SDXL装了（其实可以不装）
在这里插入图片描述

下面是SD1.5的ControlNet模型介绍，关于模型的描述为官方描述【机器翻译】，可供参考。

ControlNet/models/control_sd15_canny.pthControlNet+SD1.5 模型，用于使用精明边缘检测来控制 SD。
ControlNet/models/control_sd15_depth.pthControlNet+SD1.5模型使用Midas深度估计来控制SD。
ControlNet/models/control_sd15_hed.pthControlNet+SD1.5 型号使用 HED 边缘检测（软边缘）控制 SD。
ControlNet/models/control_sd15_mlsd.pthControlNet+SD1.5模型使用M-LSD线检测来控制SD（也可以与传统的Hough变换一起使用）。
ControlNet/models/control_sd15_normal.pthControlNet+SD1.5 模型使用法线贴图控制 SD。最好使用该 Gradio 应用程序生成的法线贴图。只要方向正确，其他法线贴图也可以工作（左边看红色，右边看蓝色，上看绿色，下看紫色）。
ControlNet/models/control_sd15_openpose.pthControlNet+SD1.5 模型，使用 OpenPose 姿势检测控制 SD。直接操纵姿势骨架也应该有效。
ControlNet/models/control_sd15_scribble.pthControlNet+SD1.5模型使用人类涂鸦控制SD。该模型使用边界边缘进行训练，具有非常强大的数据增强功能，以模拟类似于人类绘制的边界线。
ControlNet/models/control_sd15_seg.pthControlNet+SD1.5模型使用语义分割来控制SD。协议是ADE20k。
ControlNet/annotator/ckpts/body_pose_model.pth第三方模型：Openpose的姿势检测模型。
ControlNet/annotator/ckpts/hand_pose_model.pth第三方模型：Openpose的手部检测模型。
ControlNet/annotator/ckpts/dpt_hybrid-midas-501f0c75.pt第三方模型：迈达斯深度估计模型。
ControlNet/annotator/ckpts/mlsd_large_512_fp32.pth第三方模型：M-LSD检测模型。
ControlNet/annotator/ckpts/mlsd_tiny_512_fp32.pth第三方模型：M-LSD的另一个较小的检测模型（我们不使用这个）。
ControlNet/annotator/ckpts/network-bsds500.pth第三方模型：霍尔效应器件边界检测。
ControlNet/annotator/ckpts/upernet_global_small.pth第三方模型：Uniformer 语义分割。

泡杯咖啡吧…少女下载中…

下载模型
将模型放入正确的文件夹后，您可能需要刷新才能看到模型。刷新按钮位于“模型”下拉列表的右侧。
我选择直接重启应用…

出现Warning问题：

Warning: ControlNet failed to sync submodules. Please try run `git submodule init` and `git submodule update` manually.

解决方案参考：https://github.com/Mikubill/sd-webui-controlnet/pull/2428
反正是warning，就不管了

下面是安装好了模型，下面从控制类型开始介绍吧

在这里插入图片描述

控制类型

控制类型用于固定画面的基本结构

注意：在使用的时候可能会下载额外的模型，大家自行下载放至指定的位置即可，比如：Downloading: “https://huggingface.co/lllyasviel/Annotators/resolve/main/res101.pth” to /home4/likeghee/work_place/sd/stable-diffusion-webui/extensions/sd-webui-controlnet/annotator/downloads/leres/res101.pth。那么就下载这个pth放到stable-diffusion-webui/extensions/sd-webui-controlnet/annotator/downloads/leres下面即可

我们启controlnet，打开允许预览，勾选完美像素模式，不要勾选低显存模式，是用你的CPU来跑的
在这里插入图片描述

完美像素模式，1.1版本的新功能，作用是自动计算分辨率
在这里插入图片描述

线稿类型

那么一般的线稿类型有： Canny，软边缘，涂鸦，线稿，直线

选择Canny，点击下面的执行按钮，我们就可以在预处理结果预览看到结果
在这里插入图片描述
写上提示词，生成图片，你会发现生成的图片就固定了画面的基本结构
Canny是边缘检测算法，根据灰度梯度判断图片边缘，那么自然就有梯度阈值进行过滤，越低保留的线条越多。
实际使用还是靠感觉了

在这里插入图片描述
软边缘有四种提取算法，软边缘一般有过渡效果，没有那么锐利，具体作用不详

涂鸦，提取线稿比较粗糙，不常用

线稿，类似手绘的线稿，动漫类线稿比写实类线稿细节更少，按自己需求使用
在这里插入图片描述

直线，只提取直线，弯曲线条忽略，不适合人像图，适合建筑之类的
在这里插入图片描述

结构类型

深度，提取图片的深度来控制出图效果，越黑表示离我们越远，越白的部分离我们越近，不同算法提取的深度细节同，可以根据自己的需求选择
在这里插入图片描述

法线图，空间中平面方向的信息图，与深度图类似，用于传输图像中的空间的一个组成，会有不同颜色，其实就是颜色表示平面所对的那个方向，算法选用bae即可
在这里插入图片描述

姿态，控制人物面部和肢体动作的控制器，目前来看面部特征识别效果还不是不太行，要用的话直接选DW_openpose_full这个算法即可，使用了双向卷积处理图像，效果更好也更快
在这里插入图片描述

我们可以使用open pose editor来编辑骨骼，然后发送姿势回controlNet
在这里插入图片描述
语义分割，自动识别画面中的物体，并分割成不同的区域，然后用不同的颜色表示，一般情况下20K优于coco，这个数据集做CV的应该很熟悉了，COCO数据集数据种类不多，算法方面OneFormer更快更准确，直接用默认的即可。
在这里插入图片描述

参考类型

Reference控制器
用输入图片作为参考来控制AI出图的一种控制器，adain只会进行视觉分割迁移，only会迁移内容，adain+attn是二者的结合，可以理解为参考原始内容并且ai还会有一定程度的发挥
在这里插入图片描述
风格忠诚度参数可以调节，越大越忠于原图

个人觉得这个参考的控制还不太稳定