StableDiffusion默认生成的图片分辨率为512*512,“只可远观,不可近赏”来形容怕是再合适不过了。好不容易抽到了一张自己心仪的图,但苦于颜色暗淡,分辨率低下,有什么办法能在原画的基础上,让它的细节更丰富吗?答案是肯定且简单的。

原始图

一、高分辨率修复(Hires.fix)

使用方法:

1、勾选高分辨率修复,输入放大倍数;

2、调整数据(高分迭代步数、重绘幅度)

2.1高分迭代步数:是StableDiffusion等图像生成模型中的一个关键参数,控制生成过程中的迭代次数。更多的迭代步数通常会带来更高的图像质量和细节,但同时也会增加生成时间。一般来说,较少的迭代步数(如50到100)生成速度快但图像细节可能不足;较多的迭代步数(如150到300或更多)生成速度慢但图像细节更丰富。

(上图设置为150,出图生成时间明显变长)

2.2 重绘幅度:用于控制图像重绘的程度。它决定了在从噪声图像生成最终图像时,模型对输入提示词的依赖程度。重绘幅度的值通常在0到1之间:

0:表示没有重绘,即保持原始图像不变。

1:表示完全重绘,即生成的图像完全依赖于提示词,不参考原始图像。

当调整到0.9时,生成了一张跟原图完全不沾边的图,可见该数值对原图的影响非常大。

3、选择放大算法;

有一种说法是无脑选择 R-ESRGAN 4x+ 算法就好,如果是二次元就选择 R-ESRGAN 4x+ Anime6B,但就我个人体会来说似乎影响不大,如果有多余时间可以几种算法都尝试。

画面都显得有些灰暗,颜色并不鲜艳,可以通过勾选模型旁边地外挂VAE模型,效果提升明显。

二、图生图

1、调整重绘尺寸;效果与将图片发送到后期处理效果看不出区别。

2、脚本-SD放大。

使用方法:

stablediffusion
High-Resolution Image Synthesis with Latent Diffusion Models

1、在脚本下拉菜单中选择SD upscale;

2、在放大倍数中填入合适的数字。

3、在分块重叠像素宽度中保持默认值64即可,或者其他值X。

4、在重绘尺寸栏中,将步骤3中填入的数值加上原有的值,得出一个新值填入其中。例如原始图片尺寸为512*512,扩大成原来的两倍即1024,再加上重叠像素值64,最终填入1088*1088。

5、可以根据需要需要对CFG Scale值和重绘幅度值进行调整。

**这么做的原因在于,该功能实现的原理是放大的原理把原图切成若干份,各自生成后再拼接成一张更大的图,而这多出来的像素就是用来重合时做缓冲使用。
**

可以看出明显的拼接痕迹

三、Tiled Diffusion + Tiled VAE

在StableDiffusionUI上的操作很容易,只需要勾选这两个框、调整放大倍数,其他保持默认也可以实现放大功能。

以下是它们的工作原理:

Tiled Diffusion****通过将图像分割成较小的块,每个块单独进行处理,然后将处理后的块重新拼接成完整的高分辨率图像。这种方法的关键步骤包括:

  • 图像分割:将原始图像分割成多个重叠的较小块。重叠部分可以帮助在拼接时避免明显的边缘或接缝。

  • 块处理:对每个块单独进行扩散过程,即逐步去噪和细化图像。每个块可以独立处理,这样可以避免处理整个图像时的高内存占用。

  • 图像重建:将处理后的块重新拼接成完整的图像。重叠部分的像素可以通过加权平均或无缝拼接算法处理,确保块之间的过渡平滑自然。

Tiled VAE****也采用分块处理的方式,将图像分割成较小的块,每个块单独进行编码和解码。具体步骤包括:

  • 图像分割:将原始图像分割成较小的块,块的大小可以根据具体需求进行调整。

  • 块编码:使用VAE对每个块进行编码,将高维图像数据压缩成低维潜在向量。

  • 块解码:将潜在向量解码回高分辨率图像块。解码后的图像块可能会进行一些细化处理,以提高图像质量。

  • 图像重建:将解码后的图像块重新拼接成完整的图像,同样需要处理块之间的过渡部分,以确保拼接效果自然。

以下是使用Tiled Diffusion和Tiled VAE对图像进行放大和修复的具体步骤:

  • 准备图像:加载需要放大和修复的原始图像。

  • 设置块大小:选择合适的块大小,通常根据图像分辨率和可用的计算资源进行选择。

  • 图像分割:将原始图像分割成指定大小的块,确保块之间有一定的重叠区域。

  • 处理每个块:

  • 对于Tiled Diffusion,逐步去噪和细化每个块。

  • 对于Tiled VAE,先对每个块进行编码,再进行解码和细化。

  • 图像重建:将处理后的块拼接回原始图像,处理重叠区域以确保图像的平滑过渡。

如有侵权,请联系删除。

这份完整版的AI绘画(SD、comfyui、AI视频)整合包已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费

在这里插入图片描述

推荐内容
阅读全文
AI总结
GitHub 加速计划 / st / stablediffusion
8
4
下载
High-Resolution Image Synthesis with Latent Diffusion Models
最近提交(Master分支:7 个月前 )
cf1d67a6 - 1 年前
616d52d2 - 1 年前
Logo

旨在为数千万中国开发者提供一个无缝且高效的云端环境,以支持学习、使用和贡献开源项目。

更多推荐