做网站费用是什么,海淀高端网站建设,展馆网站建设方案,网站开发是否用html5模型设置 基本模型
基本模型也就是常说的checkpoint#xff08;大模型#xff09;#xff0c;基本模型决定了生成图片的主体风格。 如上图所示#xff0c;基本模型的后缀为.safetensors。需要存放在特定的文件夹下。 如果用的是启动器#xff0c;可以在启动器内直接下载。…模型设置 基本模型
基本模型也就是常说的checkpoint大模型基本模型决定了生成图片的主体风格。 如上图所示基本模型的后缀为.safetensors。需要存放在特定的文件夹下。 如果用的是启动器可以在启动器内直接下载。
vae模型
vae模型的全名叫变分自编码器这里先不讲解原理。在AI绘图中主要的作用是起到画面滤镜的效果。目前较多的大模型都是自带vae的因此这里不需要额外设置修改成NONE即可。 在启动器中也可以直接下载。如果生成画面的饱和度看起来不太正常可以检查下是不是使用了不合适的vae模型。
终止层数
可以将stable diffusion看做一个扩散模型终止层数就是指到倒数第几层停止。
终止层数设置的很小提示词的体现在画面中就更多但是运算时间会增加反之终止层数设置的较大会导致处理提前停止丢失的提示词信息会更多运算时间会相应的减少。
通常这个值默认为2即倒数第二层的时候停止处理我们通常不需要修改这个值。
提示词书写
stable diffusion通过提示词来控制图像中应当出现以及不应当出现的元素。
正向提示词 正向提示词用于描述图片想要表现出的内容。正向提示词的语法如下
(1girl):权重为1.1倍
((1girl)):权重为1.1*1.1 1.21倍
evening_gown:1.2:权重为1.2倍
[colorful]:权重为0.9倍
提示词权重越高在画面中出现的概率越大。
反向提示词 反向提示词主要作用是抑制图像中的元素。提示词的语法与正向提示词相同。
图片生成 图片生成部分涉及的配置较多。
采样方法与迭代步数 采样的原理可以参考官网Stable Diffusion Samplers: A Comprehensive Guide - Stable Diffusion Art (stable-diffusion-art.com)
简单讲stable diffusion会随机生成一个充满噪声点的原始图像随后一步步迭代去除噪声最终得到一张清晰的图片。
在这个过程中去噪的执行步数就是迭代步数去噪的方式就是采样方法。
显然迭代步数过低会导致画面不清晰而迭代步数过高也会增加处理时间。通常迭代步数在20步之后画面的变化就不明显了。因此迭代步数设置为20即可。
采样方法涉及到较多的数学原理刚上手的话可以参考如下结论
如果你想使用快速且质量不错的东西那么最好的选择是DPM2M KarrasUniPC
如果你想要高质量的图像并且不关心收敛那么不错的选择是DPMSDE Karras
如果你喜欢稳定、可重复的图像请避免使用任何ancestral samplers后缀加a的采样器。
如果你喜欢简单的东西Euler和Heun是不错的选择
图片尺寸
设置图片尺寸受以下因素影响
显卡的显存大小。图片的尺寸分辨率设置过大会导致爆显存无法生成图片。大模型设置时训练图片的大小。很多大模型是用分辨率不高的图片训练的这样的模型生成图片时尽量不要把图片尺寸设置的过大部分模型使用分辨率高的图片训练通常发布网站上会有说明这样的模型生成图片时要将图片尺寸设置大一些不然会很影响出图效果。预期的构图。如果预期得到一张人物的全身图适当减少图片尺寸的宽高比会有较好的表现。
同样比例的图片精度不等于放大后为同样比例的图片精度。比如原本尺寸为1024*1024的图片精度不如512*512经过放大算法放大至1024*1024的图片精度这是因为“改善总是比创造更容易的”1024*1024会和原来一样生成瑕疵但重绘是将这些瑕疵渐渐减少。
综上大部分生成图片的case中应当以小分辨率生成图片再用高分辨率修复生成更加高清的图片。
引导系数
引导系数用于控制模型应尊重你的提示的程度。如果CFG值太低稳定扩散将忽略你的提示。太高时图像的颜色会饱和。
通常设置在4-10之间可以先用默认值7观察下效果。
种子
种子控制图像的内容。生成的每个图像都有自己的种子值。如果设置为-1stable diffusion将使用随机种子值如果设置为一个固定的种子值比如用那个绿色的回收图标定为之前的图片样式你可以增加或替换关键词达到在图片上增加或替换的效果。
简单讲如果想要每次生成一张完全随机的图片应当把种子设置为-1。如果想要一定程度上复制某张图片应当将该图片的种子设置为当前种子值。
