一文教你StableDiffusion图生图批量处理!

2024-09-04 19:20

本文主要是介绍一文教你StableDiffusion图生图批量处理!,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

今天给大家讲解一下SD图生图的批量处理功能应该如何使用~

一、图生图批量处理功能的基本用法

首先打开webUI,在图生图页面下我们先找到批量处理的菜单:

最简单的批量处理方法只需要用到【输入目录】和【输出目录】两个功能:

第一步,需要建立一个输入目录的文件夹,大家注意不要用中文路径。

然后将要重绘的图片编号序号放到这个文件夹内:

接着我们将这个目录的路径粘贴到输入目录:

再建立一个文件夹用作输出图片用,注意路径也不要有中文:

将这个文件夹的路径粘贴到输出目录:

以上设置好之后我们就可以正常选择绘画模型,填写想要绘制的提示词和设置参数了。

例如我们想要重绘的是皮卡丘跳舞,那就在正向提示词中写入:一只皮卡丘在跳舞。

在下方设置重绘参数,注意重绘尺寸的宽高比例需要与重绘的图片一致:

最后我们点击生图,在输出的文件夹就会出现重绘后的图片了,注意如果输出文件夹没有出现重绘图,大家可以重新打开webUI尝试。

此时我们发现重绘的皮卡丘跟原图有点差异,为了提高重绘的精度,我们还需要学习下面这些进阶功能。

二、在批量处理中使用重绘蒙版

首先我们要了解什么是重绘蒙版?

重绘蒙版可以帮助我们更精细地控制重绘画面中元素的范围,例如我只想重绘皮卡丘而让图像的背景保持不变。

首先我们要用PS等软件给每张要重绘的图片绘制重绘蒙版(注意:白色区域是替换,黑色区域是保留不变的。)

将蒙版文件的目录贴入批量重绘蒙版目录 :

大家可以勾选这个Soft inpainting会让生成的图片过渡更加自然。

这张没有勾选能看到边缘过渡很硬~

这个勾选后的边缘就和缓多了。

最终我们在输出文件夹内就获得了我们用重绘蒙版获得的图片,可以看到背景跟原图基本保持了一致,只有皮卡丘被重绘了。

三、在批量处理中使用controlnet

为了让重绘的图片中皮卡丘的动作更加贴近原图,在这里我们还可以使用controlnet来批量重绘。

首先,打开controlnet点击启动、完美像素模式和上传独立控制的图像后选择批量处理,控制类型选择硬边缘,注意这里的目录可以先空着。

为了更好的控制图像,我们可以再增加一个controlnet,控制类型选择深度,输入目录同样不填。

然后我们回到上面的批量重绘那里,将原图的地址输入到这个controlnet输入目录这里:

最后我们就生成跟原图比较接近的重绘图像啦,经过测试,利用controlnet来批量重绘比重绘蒙版更方便效果也更好一些!

四、在批量处理中使用png图片信息

png图片信息适合当重绘不同的场景时使用。例如我们要重绘三张图,分别为一个皮卡丘、一棵树和一个初音未来:

然后针对这三个元素各自先用文生图生成一张图片:

**Prompt:**a pikachu,in the dance,best quality,masterpiece,best quality

**Prompt:**a tree,best quality,

masterpiece,HDR,UHD,8K,best quality,masterpiece

**Prompt:**hatsune miku,best quality,masterpiece,HDR,UHD,8K,best quality,masterpiece

将这三张携带有png信息的图片放置到一个文件夹内:

将目录填入png图片信息目录,打钩提示词、反向提示词、采样方法、迭代步数,并清空图生图的提示词 :

最后我们生图看一下效果:

原图

重绘后

原图

重绘后

原图

重绘后

今天的课程就到这里啦,后期精彩内容将持续更新,大家注意关注更新哦~

**END
**

▍****关注+星标,在线学习更多AIGC新工具!

扫描下方二维码获取超多AI前沿知识

在这里插入图片描述

近500G资料等你领取,包含但不仅限于Stable Diffusion、Midjourney、Fooocus:



写在最后

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

在这里插入图片描述

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

若有侵权,请联系删除

这篇关于一文教你StableDiffusion图生图批量处理!的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/1136808

相关文章

无人叉车3d激光slam多房间建图定位异常处理方案-墙体画线地图切分方案

墙体画线地图切分方案 针对问题:墙体两侧特征混淆误匹配,导致建图和定位偏差,表现为过门跳变、外月台走歪等 ·解决思路:预期的根治方案IGICP需要较长时间完成上线,先使用切分地图的工程化方案,即墙体两侧切分为不同地图,在某一侧只使用该侧地图进行定位 方案思路 切分原理:切分地图基于关键帧位置,而非点云。 理论基础:光照是直线的,一帧点云必定只能照射到墙的一侧,无法同时照到两侧实践考虑:关

【生成模型系列(初级)】嵌入(Embedding)方程——自然语言处理的数学灵魂【通俗理解】

【通俗理解】嵌入(Embedding)方程——自然语言处理的数学灵魂 关键词提炼 #嵌入方程 #自然语言处理 #词向量 #机器学习 #神经网络 #向量空间模型 #Siri #Google翻译 #AlexNet 第一节:嵌入方程的类比与核心概念【尽可能通俗】 嵌入方程可以被看作是自然语言处理中的“翻译机”,它将文本中的单词或短语转换成计算机能够理解的数学形式,即向量。 正如翻译机将一种语言

Thymeleaf:生成静态文件及异常处理java.lang.NoClassDefFoundError: ognl/PropertyAccessor

我们需要引入包: <dependency><groupId>org.springframework.boot</groupId><artifactId>spring-boot-starter-thymeleaf</artifactId></dependency><dependency><groupId>org.springframework</groupId><artifactId>sp

jenkins 插件执行shell命令时,提示“Command not found”处理方法

首先提示找不到“Command not found,可能我们第一反应是查看目标机器是否已支持该命令,不过如果相信能找到这里来的朋友估计遇到的跟我一样,其实目标机器是没有问题的通过一些远程工具执行shell命令是可以执行。奇怪的就是通过jenkinsSSH插件无法执行,经一番折腾各种搜索发现是jenkins没有加载/etc/profile导致。 【解决办法】: 需要在jenkins调用shell脚

明明的随机数处理问题分析与解决方案

明明的随机数处理问题分析与解决方案 引言问题描述解决方案数据结构设计具体步骤伪代码C语言实现详细解释读取输入去重操作排序操作输出结果复杂度分析 引言 明明生成了N个1到500之间的随机整数,我们需要对这些整数进行处理,删去重复的数字,然后进行排序并输出结果。本文将详细讲解如何通过算法、数据结构以及C语言来解决这个问题。我们将会使用数组和哈希表来实现去重操作,再利用排序算法对结果

8. 自然语言处理中的深度学习:从词向量到BERT

引言 深度学习在自然语言处理(NLP)领域的应用极大地推动了语言理解和生成技术的发展。通过从词向量到预训练模型(如BERT)的演进,NLP技术在机器翻译、情感分析、问答系统等任务中取得了显著成果。本篇博文将探讨深度学习在NLP中的核心技术,包括词向量、序列模型(如RNN、LSTM),以及BERT等预训练模型的崛起及其实际应用。 1. 词向量的生成与应用 词向量(Word Embedding)

使用协程实现高并发的I/O处理

文章目录 1. 协程简介1.1 什么是协程?1.2 协程的特点1.3 Python 中的协程 2. 协程的基本概念2.1 事件循环2.2 协程函数2.3 Future 对象 3. 使用协程实现高并发的 I/O 处理3.1 网络请求3.2 文件读写 4. 实际应用场景4.1 网络爬虫4.2 文件处理 5. 性能分析5.1 上下文切换开销5.2 I/O 等待时间 6. 最佳实践6.1 使用 as

Python脚本:对文件进行批量重命名

字符替换:批量对文件名中指定字符进行替换添加前缀:批量向原文件名添加前缀添加后缀:批量向原文件名添加后缀 import osdef Rename_CharReplace():#对文件名中某字符进行替换(已完结)re_dir = os.getcwd()re_list = os.listdir(re_dir)original_char = input('请输入你要替换的字符:')replace_ch

Python脚本:批量解压RAR文件

所需模块: os.getcwd() #获取脚本文件路径os.system() #执行系统命令 import os#source_dir = input("Please input in source_dir:")#unzip_dir = input("Please input in unzip_dir:") source_dir = os.

Level3 — PART 3 — 自然语言处理与文本分析

目录 自然语言处理概要 分词与词性标注 N-Gram 分词 分词及词性标注的难点 法则式分词法 全切分 FMM和BMM Bi-direction MM 优缺点 统计式分词法 N-Gram概率模型 HMM概率模型 词性标注(Part-of-Speech Tagging) HMM 文本挖掘概要 信息检索(Information Retrieval) 全文扫描 关键词