Stable Diffusion绘画 | ControlNet应用-Tile(分块)—tile_colorfix+sharp(分块-固定颜色+锐化)

单纯使用 Canny 生成的图片,仅能保障图片的外轮廓、构图与人物的神态与原图相似,但颜色相差非常大:

生成图片如下:

因此,开启第二个 ControlNet:

生成的图片,整体颜色就能做到与原图相似了:

将控制颜色的 Variation值 提高,能给SD在颜色上更多的发挥空间,同时将控制模式选择「更偏向 ControlNet」:

提示词输入:1girl,red hair,头发的颜色就会融入红色的元素,生成图片如下:

今天先分享到这里~


开启实践: SD绘画 | 为你所做的学习过滤

相关推荐
二向箔reverse35 分钟前
深度学习中的学习率优化策略详解
人工智能·深度学习·学习
幂简集成38 分钟前
基于 GPT-OSS 的在线编程课 AI 助教追问式对话 API 开发全记录
人工智能·gpt·gpt-oss
AI浩40 分钟前
【面试题】介绍一下BERT和GPT的训练方式区别?
人工智能·gpt·bert
Ronin-Lotus1 小时前
深度学习篇---SENet网络结构
人工智能·深度学习
n12352352 小时前
AI IDE+AI 辅助编程,真能让程序员 “告别 996” 吗?
ide·人工智能
漠缠2 小时前
Android AI客户端开发(语音与大模型部署)面试题大全
android·人工智能
连合机器人2 小时前
当有鹿机器人读懂城市呼吸的韵律——具身智能如何重构户外清洁生态
人工智能·ai·设备租赁·连合直租·智能清洁专家·有鹿巡扫机器人
良策金宝AI2 小时前
当电力设计遇上AI:良策金宝AI如何重构行业效率边界?
人工智能·光伏·电力工程
数科星球2 小时前
AI重构出海营销:HeadAI如何用“滴滴模式”破解红人营销效率困局?
大数据·人工智能
THMAIL3 小时前
机器学习从入门到精通 - 机器学习调参终极手册:网格搜索、贝叶斯优化实战
人工智能·python·算法·机器学习·支持向量机·数据挖掘·逻辑回归