全身换

准备工作

• 模型准备：准备合适的基础模型，如 StableDiffusion 系列中擅长人物生成的模型，如 Anything V3 等；同时准备 ControlNet 相关模型，如 OpenPose 用于姿态控制、IP – Adapter 用于风格和特征控制。
• 参考素材：收集好想要替换的全身姿态参考图、风格参考图等。

工作流步骤

1. 加载基础资源

• 图像加载：使用 “Load Image” 节点加载原始图像，即包含需要替换全身的图像。
• 模型加载：通过 “Checkpoint Loader” 加载基础模型，利用 “ControlNet Loader” 加载相应的 ControlNet 模型。

2. 提取姿态信息（若有姿态参考）

• 姿态估计：若有全身姿态参考图，使用 OpenPose 预处理器节点对其进行处理，提取姿态信息。将姿态参考图连接到 OpenPose 节点，该节点会输出姿态骨骼图。
• 连接 ControlNet：将姿态骨骼图连接到 ControlNet 节点，再把 ControlNet 节点连接到 “K Sampler”，以此控制生成图像的人物姿态。

3. 设置提示词

• 正向提示词：在 “CLIP Text Encode” 节点输入正向提示词，描述想要替换后的全身特征，如 “穿着古风汉服，优雅站立的少女”“肌肉发达、穿着运动装跑步的男性” 等。
• 反向提示词：输入反向提示词排除不想要的元素，如 “模糊的人物”“奇怪的比例” 等。

4. 特征控制（可选）

• IP – Adapter 应用：若有特定风格或特征参考图，可使用 IP – Adapter。将参考图通过相应节点处理后，连接到 IP – Adapter 节点，再连接到 “K Sampler”，以控制生成人物的风格和特征，如发型、面部特征等。

5. 采样与生成

• 参数设置：在 “K Sampler” 节点设置采样器类型（如 DPM++ 2M Karras）、采样步数（通常 20 – 50 步）、CFG Scale（控制提示词影响程度，一般 7 – 12）等参数。
• 生成图像：点击 “Queue Prompt” 开始生成图像，模型会根据输入的各种信息生成全身替换后的图像。

6. 后期处理

• 图像优化：使用 “Image Adjust” 节点调整图像的色彩、对比度、亮度等，使图像效果更好。
• 瑕疵修复：若生成图像存在瑕疵，可使用图像修复工具或再次局部重绘进行修正。