AI 文摘

这个SD插件处理服装太给力了!





作者: Vito的AI力量 来源: Vito的AI力量

在上一篇文章中,我为大家详细介绍了Stable Diffusion中一个非常有用的插件,名为ADetailer。

👉 再也不用担心 AI 图片脸崩手崩了

这个插件主要用于修复面部问题并为面部和手增加细节。目前,ADetailer包含了14个不同的模型,每个模型都有其独特的用途。我已经对其中大部分模型进行了对比分析。但有一个特殊的模型——DeepFashion,我之前并未介绍,因为它与其他模型有所不同。在这篇文章中,我将详细介绍DeepFashion。

如果你喜欢看视频教程,那么我非常欢迎你观看本文所对应的视频(B站同名帐号):

https://www.bilibili.com/video/BV1ne411E7q7/

# DeepFashion的核心功能

DeepFashion模型的核心功能是处理服装。这个模型的数据集包括来自13个流行服装类别的80多万件服装。使用DeepFashion模型,ADetailer能够检测图像中的服装,并进行分割,以便进行单独处理。

我们都知道,Stable Diffusion的自然语言理解能力较弱,无法与DALL-E和Midjourney相提并论。例如,使用SDXL模型生成的这张图片,其提示词是“1位女孩,面带微笑,晨光打在脸上,黑色丝质吊带衫,领口处有精致的蕾丝边,酒红色格子高腰半身裙,全身拍摄,凉鞋,古色古香的鹅卵石街道,景深,虚化”。但是,女孩裙子上的格子图案并没有被体现出来。提示词越长,遗漏的细节就越多。

而使用DeepFashion后,可以看到明显的改进,如裙子上的格子图案就被准确体现出来了。

再比如,解决提示词污染的问题。例如,一张图片的背景是柠檬黄色,但Stable Diffusion可能会错误地将柠檬图案应用到女孩的裙子上,如下图所示:

这时,使用DeepFashion可以有效解决这一问题。它会将裙子单独分离出来,并使用专门的提示词进行描述。这样,如果提示词中不包含“柠檬”,裙子上就不会出现柠檬图案。

# 安装DeepFashion模型

以下是DeepFashion模型的详细安装过程:

1️⃣Adetailer插件安装

首先,确保已经安装了Adetailer插件。如果尚未安装,可以参考上一篇文章中的步骤进行安装。安装Adetailer是使用DeepFashion的前提条件。

2️⃣下载DeepFashion模型

安装Adetailer插件后,DeepFashion模型不会自动出现在模型列表中。要使用DeepFashion,您需要手动下载它。模型的下载链接是:

https://huggingface.co/Bingsu/adetailer/tree/main

3️⃣进入下载页面

在浏览器中输入下载地址后,你将被引导至HuggingFace下载页面。在这里,所有可用的模型都会被列出,你可以找到位于列表首位的DeepFashion模型。旁边有一个下载按钮,点击该按钮开始下载。

4️⃣移动模型文件

下载完成后,将下载的模型文件移动到Stable Diffusion的 “webui/models/adetailer” 文件夹内。这一步骤是必要的,以确保WebUI能够正确识别并加载模型。

5️⃣重启WebUI

将DeepFashion模型文件放置在正确的文件夹后,需要重启WebUI。重启后,DeepFashion模型应该出现在Adetailer的模型列表中,这意味着它已经准备好使用了。

安装完成以后,让我们通过两个案例,身临其境,体验DeepFashion的用法。

# 案例一:使用DeepFashion解决衣物图案问题

1️⃣生成初始图片

  • 打开WebUI界面。

  • 选择模型:“MajicmixRealistic”(在下一个案例中将使用SDXL模型)。

  • 提示词内容:“在现代艺术画廊里穿着亮片裙子的女孩儿”。

  • 根据需要调整其他参数。

  • 点击“生成”查看效果。

为了更好地说明问题,我生成了几张不同的图片。从中选取了三张展示出来。可以看到,衣服上的亮片或金色部分错误地出现在了背景中。

2️⃣使用DeepFashion解决问题

  • 首先生成一张衣服上没有亮片图案的底图。

  • 指定裙子的颜色为黄色,以避免生成黑色裙子导致亮片不明显。

  • 将“gold sequin pattern”从提示词中剪切出来,稍后在Adetailer中使用。

  • 先不勾选Adetailer插件。

  • 如遇提示词污染问题,将黄色添加到Cutoff插件中,确保背景不会出现金色亮片。

  • 生成底图。

3️⃣添加亮片效果

  • 固定随机种子,勾选Adetailer插件。

  • 在Adetailer的模型列表里选择DeepFashion。

  • 使用刚才剪切的“gold sequin pattern”作为提示词。

  • 展开“Inpainting”设置,调整“Inpaint denoising strength”(重绘去噪强度)至0.6。

  • 生成图片,并观察过程:

    • Stable Diffusion首先根据随机种子生成底图。

    • DeepFashion接管,识别裙子,并对其进行标注和处理。

4️⃣调整去噪强度以改善效果

  • 如果亮片效果不足,可将去噪强度调至0.7再生成,观察效果。

  • 如需更多亮片,继续将参数调至0.8。

案例总结

DeepFashion能够有效地将服装从图片中分离出来进行单独处理,解决了提示词污染问题。这种技术特别适用于那些Stable Diffusion可能无法准确理解和渲染的复杂场景。

例如,使用albedobaseXL模型生成的图片中,绿色的裙子和柠檬黄的背景被准确分离,没有出现混淆。

而使用dreamshaperXL-Turbo模型生成的图片就出现了问题,背景中的柠檬黄色错误地出现在了裙子上。

在这种情况下,DeepFashion就显现出了其优越性,能够准确地处理和优化图片中的服装元素。

通过这个案例,我们可以看到,DeepFashion不仅提高了Stable Diffusion生成图像的质量,也为我们在图像生成过程中提供了更多的控制和创造力。

# 案例二:优化SDXL模型中的颜色处理

在Stable Diffusion的应用中,尤其是使用SDXL模型时,我们经常遇到提示词污染问题,特别是在处理颜色时。让我们通过一个实际案例,探索如何使用DeepFashion来解决这一挑战。

1️⃣设置与生成初步图片

  • 模型选择:更换为SDXL模型。

  • 提示词设定:“年轻模特,时尚摄影,无袖祖母绿 A 字连衣裙,花朵蕾丝装饰,柠檬黄背景,漂浮的白色气球”。

  • 分辨率:设为832x1216。

  • 生成结果:希望得到的是白色气球,但图片中出现了黄色和绿色的气球。

2️⃣重复生成以寻求改善

  • 第一次重新生成:去除了绿色气球,但仍有黄色气球。

  • 第二次重新生成:问题更加夸张,裙子上出现了花朵。

通过这个案例,我们看到了SDXL模型在处理特定颜色和元素时的挑战。虽然重复生成图片可能会带来一些改进,但结果仍然不稳定,且不符合我们的预期。为了解决这一问题,DeepFashion插件就显得尤为重要。

在接下来的内容中,我将展示如何使用DeepFashion来精确控制图像中的颜色元素,确保生成的图像更加符合我们的预期。

3️⃣尝试使用“BREAK”关键词

  • 简化提示词:去掉“蕾丝装饰”。

  • 在“裙子”和“柠檬黄背景”之后加入“BREAK”关键词。

  • 生成结果:出现了黑色气球,背景颜色错误。

2️⃣多次尝试改进

  • 再次生成:裙子和气球颜色正确,但背景色仍然不准确。

  • 最后一次尝试:颜色终于正确,但方法不稳定,依赖运气。

我们用抽卡的方式实现了想要的效果。但是可以看到,这种方法不稳定,得靠运气。接下来我们用DeepFashion实现更可控的效果。

1️⃣准备阶段

  • 删除提示词中的“祖母绿”,准备稍后通过DeepFashion进行调整。

  • 生成图片,确保背景和气球颜色正确。

2️⃣应用DeepFashion处理衣服

  • 固定随机种子。

  • 启用Adetailer插件,选择DeepFashion模型。

  • 添加描述:“祖母绿无袖 A 字裙,花朵蕾丝”。

  • 调整“Inpaint denoising strength”至0.7,然后生成。

  • 观察到裙子颜色主要仍是白色。

3️⃣增强效果

  • 提高“Inpaint denoising strength”至0.8,再生成。

  • 尝试使用更高的0.9值,裙子变为祖母绿色,但边缘仍有白色残留。

4️⃣微调蒙版处理

  • 调整“Mask Preprocessing”中的“Mask erosion/dilation”参数。

  • 将蒙版扩张设为12,生成图片,白边减少。

  • 进一步调整至16,几乎消除了所有白边。

# 结论与应用

DeepFashion作为Adetailer中的一个独特模型,可以独立处理服装,从而避免提示词污染问题,同时为服装增加细节。它不仅支持SD1.5模型,还支持SDXL模型。当你需要处理服装时,DeepFashion是一个值得考虑的选择。

OK,以上就是本期的内容。希望这篇文章对你有所帮助。如果你觉得有用,不妨给我点个赞。

欢迎加我微信拉你进群,请备注AI绘画。

加我微信

免费入群

更多AI工具,参考Github-AiBard123国内AiBard123

可关注我们的公众号:每天AI新工具