五种常用ControINet控制模型的功能详解

open pose——动作姿势、depth——深度、canny——边缘检测、soft edge——柔和边缘、scribble——涂鸦

1、open pose(动作姿势)

我们大部分时候绘画是以人物为主体,而open pose是最直接对人物造成影响的,即人物的姿势。

上一篇文章,我们已经详细的说明了open pose的应用,相信open pose对大家已经没有太大的难度,但open pose也有着几种不同的模式。

open pose只检测人物的整体姿势。而open pose hand就可以检测到手指的骨骼图。

open pose face是在检测姿势的同时,检测面部特征,控制图片生成的面部表情。

Faceonly则是只检测面部特征,在大头照的生成上有比较好的效果。

open pose full则是检测以上所有的部分,但是生成时间会慢一些。

通过这几种模型,我们就能对图片中的人物动作、姿势做到精细的控制。

2、depth(深度)

depth的主要应用是对场景的描绘还原,尤其是具备空间感的多层次场景。

比如随便选择一个场景或者建筑的图片,选择一个depth的模型,会出现黑白图片。颜色代表深度,越黑离得越远。对生成具备层次感的图片效果很好。

depth有四种模型,优先可以使用++,但是这个模型比较耗费内存,配置有限的话可以启用低显存模式,或者其他不带+的模型。

Depth除了可以检测场景、建筑的层次,还可以检测人物的肢体交替、人体透视的场景。

3、canny(边缘检测)

canny主要功能是提取出图像里的边缘特征,然后输送到新的图像中。    

canny只有一种模型,不像open pose和depth有多种模型。

canny对于外形的特征识别对于物体的还原非常有用,比如一辆车,一只狗的还原就会非常相像等等。

包括有些图片中如果存在字体和重要的线条,这些需要被还原的话,canny就能起到很好的效果。

一个小技巧:如果线条不清晰的话,可以通过降低明暗度去提高识别。

此外,canny重要的功能之一就是线稿上色。把画好的线稿上传入canny,通过提示词的描述,就可以快速的给图片上色。

小技巧:因为线稿一般是白底黑线,canny识别就会多一个步骤,上色的图片就会显得粗糙。可以使用invert模型的反转功能先把黑白调换,再进行上色,图片就会更加清晰了。

4、soft edge(柔和边缘)

soft edge和canny的功能比较类似,也是识别图像的边缘特征,但是soft edge和canny的区别就是提取图像的边缘时会更加模糊,即减轻对图片施加的控制。

我们可以这样理解,当canny对于图片的控制过于约束时,就可以尝试一下soft edge给AI更多的自由度。

soft edge只保留大的轮廓,对于内部给予更大的发挥空间,此外,canny对于背景的线条检测不到就不会控制,而soft edge就可以做到。

soft edge的模型只有四个,had比pidinet的质量高,带safe的版本就是精简版本。所以我们追求精细度就使用质量好的,想要随机度高就使用质量低的。

同时也要考虑电脑的配置,质量越高时间越长,我们根据具体情况选择使用。

5、scribble(涂鸦)

scribble就是乱涂乱画的意思。我们先输入一张图片,可以看到scribble检测出的图像比soft edge更加自由。

我们用scribble去生成图像,有时会发生很多好玩的图片。

比如上图,如果我们对提示词进行约束,依然使用city,blue sky等提示词,那么生成的图片就会和原图保持相似。

如果我们加入一些其他的元素,比如:science fiction, cyberpunk, the future,

就会生成一个科幻的都市。

scribble还有更有趣的地方,像前面讲述涂鸦蒙版的时候,我们也可以使用scribble进行涂鸦的生成。大家感兴趣可以尝试一下,相信会有意想不到的收获。

到这里为止,我们就学习了ControINet中五种重要的模型。

open pose——动作姿势、depth——深度、canny——边缘检测、soft edge——柔和边缘、scribble——涂鸦

你觉得哪种模型是最好用的呢?可以在评论区讨论。

©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 213,616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 91,020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 159,078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 57,040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 66,154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 50,265评论 1 292
  • 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 39,298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 38,072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 44,491评论 1 306
  • 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 36,795评论 2 328
  • 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 38,970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 34,654评论 4 337
  • 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 40,272评论 3 318
  • 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 30,985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 32,223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 46,815评论 2 365
  • 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 43,852评论 2 351

推荐阅读更多精彩内容