CONTROLNET V1.1.410 Stable Diffusion WebUI版本——控制类型详解(Lineart篇) 从理论到实践 PART.Ⅲ

Lineart

ControlNet中的Lineart模型是一个用于生成各种写实物体的线稿或素描的深度学习模型。它可以接收各种写实物体的线稿或素描(使用原图,再使用颜色反转的预处理器也可以出线稿),预处理器是lineart_realistic和lineart_coarse。有条件的同学,可以拿自家小孩画的画作为底子,再使用lineart模型生成图片。

点击生成,我们会得到以下线稿图:

ControlNet的Lineart模型提供以下几个预处理器:

·Lineart_anime

点击生成,我们会得到以下线稿图:

ControlNet中的Lineart模型配合使用的Lineart_anime预处理器,主要是为了生成动漫风格的线稿或素描

使用Lineart_anime预处理器时,需要一个基础模型如“anything-v3-full.safetensors”来运行,除非你使用LoRAs。这个模型不支持猜测模式。(猜测模式在最新官方版本中已被更改,并优化格局为我们现在所使用的版本布局)

·Lineart_anime_denoise

点击生成,我们会得到以下线稿图:

这个预处理器用于在应用Lineart_anime模型时进行噪声消除或降噪处理

·Lineart_coarse

点击生成,我们会得到以下线稿图:

ControlNet中的Lineart模型的Lineart_coarse预处理器是一种模式,用于生成粗糙线稿或素描。这种模式可能在某些情况下更受欢迎,因为它能提供更自然的手绘效果。在Lineart模型的使用中,根据需要选择不同的预处理器来满足不同的需求。

·Lineart_realistic

点击生成,我们会得到以下线稿图:

ControlNet中的Lineart模型的Lineart_realistic预处理器是一种模式,用于生成写实物体的真实线稿或素描。这种模式强调细节和精度,以提供最接近实际的线条和形状。在Lineart模型的使用中,选择Lineart_realistic预处理器可以帮助生成更精确、更真实的线稿或素描结果。

·Lineart_standard(from white bg&black line)

点击生成,我们会得到以下线稿图:

ControlNet中的Lineart模型的Lineart_standard(from white bg&black line)预处理器是一种特殊模式,用于将白色背景和黑色线条的图像转换为线稿或素描。这种模式通常用于处理由线条绘图或黑白图像转换而来的线稿或素描。它可以根据输入的图像生成相应的线稿或素描效果,使得生成的图像更加自然和真实

·invert(from white bg&black line)

点击生成,我们会得到以下线稿图:

ControlNet中Lineart模型的invert(from white bg&black line)预处理器用于将输入的图像进行颜色反转,生成类似于底片反转的效果。在某些情况下,如果图像是白底黑线的情况,使用这个预处理器可以帮助模型更好地进行线稿或素描的生成。这个预处理器在涂鸦模式线稿填色场景中比较常见,可以作为一种图像处理的方式。

·【Lineart_anime】、【Lineart_anime_denoise】、【Lineart_coarse】、【Lineart_realistic】、【Lineart_standard(from white bg&black line)】和【invert(from white bg&black line)】之间的区别

【Lineart_anime】、【Lineart_anime_denoise】、【Lineart_coarse】、【Lineart_realistic】和【Lineart_standard(from white bg&black line)】是ControlNet中Lineart模型的五种预处理器,而【invert(from white bg&black line)】是另一种功能。

这五种预处理器的功能和区别主要体现在图像处理和生成线稿或素描的方式上:

【Lineart_anime】预处理器用于生成动漫风格的线稿或素描。

【Lineart_anime_denoise】预处理器可能用于在应用【Lineart_anime】模型时进行噪声消除或降噪处理。

【Lineart_coarse】预处理器用于生成粗糙线稿或素描,线条相比较于其它预处理器,的确更粗一些,效果也很不错,生成的图像各趋于真实。

【Lineart_realistic】预处理器能更好地提取人物线稿部分。

【Lineart_standard(from white bg&black line)】预处理器是一种特殊模式,将白色背景和黑色线条的图像转换为线稿或素描,能较好的还原场景中的线条,跟原图较为相似。

【invert(from white bg&black line)】用于将输入的图像进行颜色反转,生成类似于底片反转的效果。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,417评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,921评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,850评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,945评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,069评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,188评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,239评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,994评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,409评论 1 304
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,735评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,898评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,578评论 4 336
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,205评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,916评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,156评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,722评论 2 363
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,781评论 2 351

推荐阅读更多精彩内容