ControlNet介绍
这段时刻技术圈最抢手的关键词便是AI了，相信最佳咱们都有玩过了Stable Diffusion这个AI绘画开源库了，而其间Stable Diffusion web UI是关于Stable Diffusion扩展的网页版开源库。
而ControlNet则为最近一段时刻的WebUI开源插件，听说作者是个20多岁的华人哦，真是天才啊！尽管img2img功能也能够让真人图片二次元化，但是有了ControlNet则会更加简略做出你想要的效果，如其名所言，Control!
本文就不介绍如何装置以上的开源库了，想要了解更多这方面信息，能够在谈论里面留言，我看到后来回复，让咱们一起来享用开源带来的趣味吧～_～。
简略实用介绍
先来给咱们看一个效果图
我这儿运用的Counterfeit-V2.5这个CheckPoint，这个相对来说还是比较抢手的，用来做二次元图简直YYDS。
而且我并没有参加过多的Prompt，都是一些简略的，这儿我能够提供一个做参考。
a woman, 20 age , smile , blonde,((masterpiece,best quality))1girl, solo, white skirt,long hair, off shoulder sweater, sideways, strapless
没有用到Negative Prompt。
关于Prompt其实我也是处于学习阶段，上面的提示语我都是在翻译里面输入中文，然后翻译过来的。
其实便是原图上的信息，只不过我把头发色彩改了。
再加上一些能够提高图片质量的提示语，能够在CheckPoint示例图里面找。
详细操作
进入WebUI的txt2img选项卡，成功装置ControlNet后，在中间找到ControlNet操作界面，打开它就能够用啦。
这儿我先把原图参加进去，这儿挑选的原图最好是高清或许比较明晰的，我试过用含糊的图片去做，效果不怎么抱负。
这儿咱们要把Enable勾上才算是真实的运用ControlNet哦！
Preprocessor为预处理，便是把原图转化为一张草图，能够理解为是一张参考图。Model才是生成图片的时分处理的一种形式。这两个最好是挑选同一种类型。这儿我用的都是Canny，依据官网的介绍，便是描绘图片的边际了，有点类似素描勾勒。
假如想看预处理效果，能够点一下左下角的Preview annotator result按钮
原图周围就会多出一张预处理的图片。
这个时分二话不说先来试试生成一张图看看效果，如同不是很抱负哦。
这个时分你看一下底下设置的Annotator resolution，遇到上面的状况，能够试着调整这个参数。详细原因为什么也不是很请求，可能是这个插件的bug，也有可能是webui的。
我一般的调整方法便是检查原图的巨细，然后依据原图拍巨细来设置。
这儿我挑选以图片的宽来设定。
生成预处理图片后，这儿打开开发能够看到生成图片分辨率有点挨近原图。
那么究竟设置Annotator resolution，应该设置多大呢？
在 ControlNet 中，Annotator resolution 是指标示工具用来标示数据时所选用的分辨率。详细来说，Annotator resolution 决定了标示工具所显现的图画分辨率，以及标示结果的精度。
在 ControlNet 中，Annotator resolution 关于标示数据的质量和准确性有很大的影响。假如 Annotator resolution 过低，标示结果可能会失真或许缺失细节；假如 Annotator resolution 过高，标示作业可能会变得繁琐和耗时。
因而，在进行标示作业时，需求依据详细的任务和数据特色挑选适宜的 Annotator resolution。一般来说，假如数据分辨率较高，能够选用较高的 Annotator resolution，以保证标示结果的准确性和细节；假如数据分辨率较低，能够选用较低的 Annotator resolution，以提高标示作业的功率和速度。一起，还需求考虑标示工具的性能和实践运用状况，以找到最适合的 Annotator resolution。
我自己尝试了一些，设置过大的值，细节反而没那么多。调节恰当即可。
最后我挑选了608，生成成功了。
剩下的调整一下图片宽高就能够了
总结
Stable Diffusion是一个适当强大工具，插件丰富、模型很多，可玩性非常大。
期望咱们能够从中得到趣味，也欢迎谈论讨论。
