Echo

Echo 关注TA

大家好,我是Echo!

Echo

Echo

关注TA

大家好,我是Echo!

  •  普罗旺斯
  • 自由职业
  • 写了309,828,363字

该文章投稿至Nemo社区   资讯  板块 复制链接


ControlNet 大更新:仅靠提示词就能精准 P 图,保持画风不变,网友:效果堪比定制大模型

发布于 2023/05/16 11:46 185浏览 0回复 1,873

Stable Diffusion 插件、“AI 绘画细节控制大师”ControlNet 迎来重磅更新:

只需使用文本提示词,就能在保持图像主体特征的前提下,任意修改图像细节。

比如给美女从头发到衣服都换身造型,表情更亲和一点:

抑或是让模特从甜美邻家女孩切换到高冷御姐,身体和头部的朝向背景都换个花样儿:

—— 不管细节怎么修改,原图的“灵魂”都还在。

除了这种风格,动漫类型的它也能驾驭得恰到好处:

来自推特的 AI 设计博主 @sundyme 就称:

效果比想象得要好!

只需要一张参考图就能完成以上转变,部分图片几乎可以达到定制大模型的效果了。

咳咳,各位 AI 绘画圈的朋友们,打起精神来,又有好玩的了。

(ps. 第一三张效果图来自油管博主 @Olivio Sarikas,第二张来自推特博主 @sundyme)

ControlNet 上新:保留原图画风的修图功能

以上更新内容,其实指的是一个叫作“reference-only”的预处理器。

它不需要任何控制模型,直接使用参考图片就能引导扩散。

作者介绍,这个功能其实类似于“inpaint”功能,但不会让图像崩坏。

(Inpaint 是 Stable Diffusion web UI 中的一个局部重绘功能,可以将不满意、也就是被手工遮罩的地方进行重新绘制。)

一些资深玩家可能都知道一个 trick,就是用 inpaint 来进行图像扩散。

比如你有一张 512x512 的狗的图像,然后想用同一只狗生成另一张 512x512 的图像。

这时你就可以将 512x512 的狗图像和 512x512 的空白图像连接到一张 1024x512 的图像中,然后使用 inpaint 功能,mask 掉空白的 512x512 部分,漫射出具有相似外观的狗的形象。

在这个过程中,由于图像只是简单粗暴的进行拼接,加上还会出现失真现象,所以效果一般都不尽如人意。

有了“reference-only”就不一样了:

它可以将 SD(即“Stable Diffusion”)的注意力层直接链接到任何独立的图像,方便 SD 直接读取这些图像作为参考。

也就是说,现在你想要在保持原图风格的前提下进行修改,使用提示词直接在原图上就能操作。

如官方示例图将一只静立的小狗改成奔跑动作:

你只需要将你的 ControlNet 升级到 1.1.153 版本以上,然后选择“reference-only”作为预处理器,上传狗的图片,输入提示词“a dog running on grassland, best quality……”,SD 就只会用你的这张图作为参考进行修改了。

网友:ControlNet 迄今最好的一个功能

“reference-only”功能一出,有不少网友就上手体验了。

有人称这是 ControlNet 迄今为止最棒的一个功能:

传一张带有人物姿势的动漫图片,再写一句看上去跟原图完全无关的提示。突然之间,你想要的效果就在原图的基础上跑出来了。真的很强,甚至说是达到了改变游戏规则的程度。

还有人称:

是时候把以前丢弃的废图都捡回来重新修复一下了。

当然,认为它也不是那么完美也有(比如开头第一张效果图里美女的耳环不对,二张图里头发也都是残缺的),但网友还是表示“总归方向是对了”。

以下是三位推特博主尝试的效果,主要都是动漫风,一起欣赏一下:

△ 来自 @新宮ラリの AI イラストニュ

△ 来自 @br_d,左一为原图

△ 来自 @br_d,上一为原图

△ 来自 @uoyuki667,左一为原图

有没有戳中你的心巴?

参考链接:

  • [1]https://github.com/Mikubill/sd-webui-controlnet/discussions/1236

  • [2]https://twitter.com/sundyme/status/1657605321052012545

  • [3]https://twitter.com/uoyuki667/status/1657748719155167233

  • [4]https://twitter.com/br_d/status/1657926233068556289

  • [5]https://twitter.com/aiilustnews/status/1657941855773003776

本文来自微信公众号:量子位 (ID:QbitAI),作者:丰色


本文由LinkNemo爬虫[Echo]采集自[https://www.ithome.com/0/692/877.htm]

本文标签
 {{tag}}
点了个评