文生图
2023-06-23 19:02:53 0 举报AI智能生成
文生图webui使用总结
作者其他创作
大纲/内容
txt2img
正向提示词
输入主题描述+风格特点
负向提示词
输入不想图像中出现的内容
采样方法
决定初始噪声图像的形态
Euler a
DDIM
DPM++
采样步长
通过n个步长去除噪声
建议20-30步，从20开始，逐步调节
图片宽高
根据使用的模型进行调整
调整图像的长和宽意味着改变了图像的分辨率
不同分辨率初始化噪声图像就会不同，所以最终出的图也会受到影响
CFG Scale
文本提示词对出图结果的影响
建议7-15
越大文本提示词对出图结果影响越大
Batch count
出图批次
不占用内存
Batch size
每批次出图数量
占用内存
seed - 种子
决定初始化噪声图像
相同的种子数，代表初始化噪声图像相同
Extra附加选项
Variation Seed：差异化种子
多了一个种子数共同作用于出图结果
Variation strength：差异化种子强度
控制差异化种子作用强度
技巧：多张图片近似，局部微调？
Variation seed 设置为随机
差异化种子变动
Variation strength 设置为0.2
差异化种子影响较小
原种子不变
resize seed from width
resize seed from height
改变像素的同时使图像差异化较小
设定resize seed from width 和 resize seed from height 与原图像的相同
例如：原图像 512 * 768 ，新图像 768 * 1152，当设置了 resize seed from width和height时，新生成的图像与原图相似，如果不设置，则新图与原图不同
微调参数
restore faces
生成人物在面部处理上会更好一些
修复算法在setting内
开启面部修复会花费更多时间
不是什么情况下开启面部修复都好
tiling
无缝贴图
生成的图片可以无缝拼接
hires fix
解决图像放大问题
工作原理：先生成一张低分辨率的图片，在这张图片的基础上根据提示词再优化图像，添加更多细节
图像放大算法
步长
去噪强度
强度越大，影响越大
0时和原图相同
1时完全和原图不同
建议数值：0.5-0.8
放大倍数
放大多少倍
放大到多少
0 条评论
下一页
