首先我们看一下几大模块;
- txt2img --- 标准的文字生成图像;
- img2img --- 根据图像成文范本、结合文字生成图像;
- Extras --- 优化(清晰、扩展)图像;
- PNG Info --- 图像基本信息
- Checkpoint Merger --- 模型合并
- Train --- 训练模型对于某种图像风格
- Settings --- 默认参数修改
- Extensions----扩展
prompt: 该部分主要就是对于图像进行描述,有内容风格等信息 进行描述。后面的画板可以一些随机的风格、下面箭头是之前任务的参数;
Negative prompt :这个主要是提供给模型,我不想要什么样的风格;特别对于图上出现多个人的情况,就可以通过2girls等信 息进行消除;
Sampling Steps: diffusion model 生成图片的迭代步数,每多一次迭代都会给 AI 更多的机会去比对 prompt 和 当前结果,去调整图片。
更高的步数需要花费更多的计算时间,也相对更贵。但不一定意味着更好的结果。当然迭代步数不足(少于 50)肯定会降低结果的图像质量;
Sampling method :扩散去噪算法的采样模式,会带来不一样的效果,ddim 和 pms(plms) 的结果差异会很大,很多人还会使用euler,具体没有系统测试;
Width、Height :图像长宽,可以通过send to extras 进行扩大,所以这里不建议设置太大[显存小的特别注意];
Restore faces: 优化面部,绘制面部图像特别注意;
Tiling: 生成一个可以平铺的图像;
Highres. fix: 使用两个步骤的过程进行生成,以较小的分辨率创建图像,然后在不改变构图的情况下改进其中的细节,选择该部分会
有两个新的参数 Scale latent 在潜空间中对图像进行缩放。
另一种方法是从潜在的表象中产生完整的图像将其升级然后将其移回潜在的空间。Denoising strength 决定算法对图像内容的保留程度。在0处,什么
都不会改变,而在1处,你会得到一个不相关的图像;
Batch count、 Batch size: 都是生成几张图,前者计算时间长,后者需要显存大;
CFG Scale: 分类器自由引导尺度——图像与提示符的一致程度——越低的值产生越有创意的结果;
Seed: 种子数,只要中子数一样,参数一致、模型一样图像就能重新;
其中我们常用的参数或者满足基本需求的有 prompt、 Negative prompt、 Sampling Steps、 Width、Height、 CFG Scale 等就行了其他默认或者这几个参数也默认也是可以的,而且这几个参数也是这些模式都常用的。
下一篇:http://www.codeforest.cn/article/3533