『SD』场景变换魔法:InstructP2P控制类型助你一键换天气

点赞 + 关注 + 收藏 = 学会了

本文简介

InstructP2P 控制类型是 ControlNet 插件中的一个强大功能,InstructP2P 的主要能力是实现场景转换,风格迁移。

先来看看这个例子。

我将绫波丽的形象从她原本身着机甲、在夜空下站着的场景,转换到春意盎然的环境中,四周环绕着绽放的花朵和嫩绿的新叶。

动手操作

实现场景转换需要用到 InstructP2P 这个 ControlNet 的控制类型。而 ControlNet 又是 Stable Diffusion 的插件。所以你需要在你的 SD 里安装 ControlNet 插件。关于这个插件的安装和基础用法,可以看看 《『SD』ControlNet基础讲解》 这篇文章。

当你的 SD 安装好 ControlNet 后,需要到 huggingface 下载 control_v11e_sd15_ip2p 模型。下载链接我放在这里:huggingface.co/lllyasviel/...

control_v11e_sd15_ip2p.pth 下载好之后,将它放在 SD 的这个目录下: sd.webui\webui\models\ControlNet

然后启动 SD,启动 ControlNet,上传一张图片,并将该图片的尺寸发送到生成设置。接着将控制类型选择 InstructP2P

模型选择刚刚下载好的 control_v11e_sd15_ip2p (红框部分)。

黄框部分从左到右的选项分别是"控制权重"、"介入时机"、"终止时机",这个在 《『SD』ControlNet基础讲解》 里有介绍过。根据你的图片调整好参数,通常需要多次试验不同的权重和时机的值。

最后最后,回到页面上方,选择一个模型,然后输入提示词。

这里的提示词一定要使用这个语法:

复制代码
MAKE it xxx

这里的 xxx 指的是你要实现的效果。

比如在我这个例子中,我要让场景变成春天,就需要这么写提示词 MAKE it spring

最后点击"Generate"按钮生成图片。

如果对生成结果不满意,记得调整一下 ControlNet 里的控制权重以及介入和终止时机。

多抽几张卡,抽到满意为止。

下面这张是原图,喜欢绫波丽的工友自取。


点赞 + 关注 + 收藏 = 学会了

相关推荐
vlln4 分钟前
适应性神经树:当深度学习遇上决策树的“生长法则”
人工智能·深度学习·算法·决策树·机器学习
奋斗者1号12 分钟前
机器学习之决策树与决策森林:机器学习中的强大工具
人工智能·决策树·机器学习
多巴胺与内啡肽.21 分钟前
OpenCV进阶操作:风格迁移以及DNN模块解析
人工智能·opencv·dnn
szxinmai主板定制专家1 小时前
基于TI AM6442+FPGA解决方案,支持6网口,4路CAN,8个串口
arm开发·人工智能·fpga开发
龙湾开发1 小时前
轻量级高性能推理引擎MNN 学习笔记 02.MNN主要API
人工智能·笔记·学习·机器学习·mnn
web4x1 小时前
Web4X:站在Web4.0时代的起点,定义AI商业新生态
web3·aigc
CopyLower2 小时前
Java与AI技术结合:从机器学习到生成式AI的实践
java·人工智能·机器学习
workflower2 小时前
使用谱聚类将相似度矩阵分为2类
人工智能·深度学习·算法·机器学习·设计模式·软件工程·软件需求
jndingxin2 小时前
OpenCV CUDA 模块中在 GPU 上对图像或矩阵进行 翻转(镜像)操作的一个函数 flip()
人工智能·opencv
囚生CY2 小时前
【速写】TRL:Trainer的细节与思考(PPO/DPO+LoRA可行性)
人工智能