当前位置:AIGC资讯 > AIGC > 正文

如何使用AI绘画Stable Diffusion 中给人物换发型:两种方法详解

大家好!今天,我们将探讨在WebUI中给人物换发型的两种有效方法。这个过程利用了Stable Diffusion的文生图和局部重绘。接下来,我将一步步带你了解每种方法的操作流程和关键细节。

方法一:使用文生图和ControlNet

首先,让我们从文生图开始。假设我们已经有了一张图片(这里使用的是Stable Diffusion生成的)。这使得我们可以轻松地发送提示词进行图像生成或局部重绘。

步骤概览

1️⃣ 模型和尺寸设置:

选择realisticVision模型,这是SD1.5版本的一部分,或者你也可以根据需要选择其他模型。

将尺寸设置为512x512(因为原图是1024x1024),然后使用高清修复功能将图片放大两倍,得到所需的尺寸。

种子设置可以选择为随机。

2️⃣ 使用ControlNet进行局部重绘:

上传需要换发型的图片。

在模特的头发上进行涂抹,可以先估计换发后发型的大小或者先生成几张图来观察。

在控制类型中选择Inpaint(局部重绘),涂抹区域将被新生成的内容替换,而其他区域保持原样。

预处理器选择"inpaint_only"。

3️⃣ 调整和生成:

修改提示词,包括想要的发型和其他涂抹区域的内容。 点击生成,查看换发型后的效果。如果效果不理想(如头部有秃区),可以重新涂抹额头区域并再次生成。

总结:

ControlNet的优点是可以继续添加功能来增强控制效果,如结合OpenPose精确控制面部角度。

缺点是SD1.5模型无法生成复杂细节,如果重绘区域细节复杂,还原度可能不高。

方法二:使用图生图和专门模型

第二种方法是使用专门为局部重绘训练的juggerxlinpaint模型,操作起来相对简单而且效果出众。

步骤概览

1️⃣ 准备和设置:

选择juggerxlinpaint模型,它特别适用于局部重绘。 下载链接是: https://civitai.com/models/245423/juggerxlinpaint 。
注意:如无法下载,请看文末扫描获取

2️⃣ 涂抹和输入提示词:

在发型区域进行涂抹。

输入新发型的提示词,同时删除不需要的负面提示词。

3️⃣ 调整和生成:

设置蒙版模糊度,根据需要调整,以避免明显接缝。

勾选Soft Inpainting,确保过渡自然。如果你没有这个功能的话,记得要更新一下WebUI的版本。

设置重绘强度为1

提示词我们写上要换的发型和涂抹区域的内容

生成图片

总结:

juggerxlinpaint模型专门用于局部重绘,效果优于其他模型。

虽然它无法与某些ControlNet功能结合,但可以通过第一种方法来补充。

以上就是在WebUI中给人物换发型的两种方法。希望这些信息对你有帮助!

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。

若有侵权,请联系删除

总结

本文概要地介绍了使用WebUI对人物图像进行发型替换的两种方法,以及AIGC(AI生成内容)技术的学习资源和未来展望。首先,文中详述了两种方法:
1. **使用文生图和ControlNet**: 这一方法基于Stable Diffusion的图像生成技术,通过ControlNet的局部重绘功能对图片中的发型进行替换。过程涉及选择模型和尺寸、利用ControlNet进行头发区域涂抹和设置,最后调整提示词并生成新图像。此方法优点是控制灵活,但受限于SD1.5模型在复杂细节生成上的能力。
2. **使用图生图和专门模型**: 第二种方法采用了特别为局部重绘训练的`juggerxlinpaint`模型,通过简单的涂抹和输入提示词即可实现发型替换。通常结果显示此款专门化的模型在局部重绘上效果更为出众。
此外,文章还介绍了AIGC技术的未来发展前景,强调了其在游戏和计算领域应用的潜力,并指出了AIGC技术与人工智能技术结合的重要性。
最后,文中提供了丰富的AIGC学习资源,包括学习路线、必备工具、学习笔记、视频教程合集和实战案例,旨在帮助对AIGC技术感兴趣的学习者更系统地掌握相关知识,提高实践技能。这些资源涵盖了从基础知识到深入理解的全面内容,旨在促进AIGC技术的进一步普及和应用。

更新时间 2024-07-19