『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
zl_vslam14 小时前
SLAM中的非线性优-3D图优化之轴角在Opencv-PNP中的应用(一)
前端·人工智能·算法·计算机视觉·slam se2 非线性优化
koo36414 小时前
李宏毅机器学习笔记43
人工智能·笔记·机器学习
lzjava202414 小时前
Spring AI使用知识库增强对话功能
人工智能·python·spring
Francek Chen15 小时前
【自然语言处理】预训练05:全局向量的词嵌入(GloVe)
人工智能·pytorch·深度学习·自然语言处理·glove
这张生成的图像能检测吗15 小时前
(论文速读)LyT-Net:基于YUV变压器的轻量级微光图像增强网络
图像处理·人工智能·计算机视觉·低照度
许泽宇的技术分享15 小时前
AI黑客来袭:Strix如何用大模型重新定义渗透测试游戏规则
人工智能
Oxo Security15 小时前
【AI安全】检索增强生成(RAG)
人工智能·安全·网络安全·ai
少林码僧15 小时前
2.3 Transformer 变体与扩展:BERT、GPT 与多模态模型
人工智能·gpt·ai·大模型·bert·transformer·1024程序员节
shayudiandian15 小时前
如何使用 DeepSeek 帮助自己的工作
人工智能
程序猿追16 小时前
轻量级云原生体验:在OpenEuler 25.09上快速部署单节点K3s
人工智能·科技·机器学习·unity·游戏引擎