图片深度重绘

工作原理

工作流程

1. 准备工作

• 模型加载：
  • 通过 “Checkpoint Loader” 节点加载基础的 Stable Diffusion 模型，不同的模型在生成图像的风格和质量上有所差异，可根据需求选择合适的模型，如 Anything V3 等擅长动漫风格的模型，或者 Realistic Vision 等写实风格的模型。
  • 使用 “ControlNet Loader” 节点加载深度模型，常见的深度模型如 “control_v11f1p_sd15_depth”。
• 图像加载：使用 “Load Image” 节点加载需要进行深度重绘的原始图像。

2. 生成深度图

3. 设置提示词

• 正向提示词：在 “CLIP Text Encode” 节点输入正向提示词，详细描述你希望重绘后的图像具有的特征，包括风格（如 “赛博朋克风格”“水彩画风格”）、主题内容（如 “充满未来感的城市街道”“奇幻的森林”）、色彩（如 “冷色调”“暖色调”）等。例如：“赛博朋克风格，充满霓虹灯的未来城市街道，暖色调”。
• 反向提示词：同样在 “CLIP Text Encode” 节点输入反向提示词，排除不想要的元素，如 “模糊的画面”“奇怪的比例”“不协调的颜色” 等，以提高生成图像的质量和准确性。

4. 连接 ControlNet 并设置参数

• 将生成的深度图连接到 “ControlNet” 节点，再将 “ControlNet” 节点连接到 “K Sampler” 节点。这样，深度图的信息就会在图像生成过程中起到控制作用。
• 在 “ControlNet” 节点中设置相关参数，如 “Control Weight”（控制深度信息对生成图像的影响程度，值越大，深度信息的影响越明显）、“Start Step” 和 “End Step”（控制在采样过程中从哪一步开始和结束应用深度信息）。

5. 采样与生成

要点与技巧

• 深度图质量：深度模型生成的深度图质量会影响重绘效果。如果原始图像的深度信息不明显或存在复杂的场景，可能会导致深度图不准确，从而影响重绘结果。可以尝试对原始图像进行预处理或选择更清晰、深度结构更明显的图像。
• 参数调整：不同的图像和需求可能需要不同的参数设置。需要不断尝试调整 “ControlNet” 节点和 “K Sampler” 节点的参数，以获得理想的重绘效果。例如，增加 “Control Weight” 可能会使重绘后的图像更贴合原始图像的深度结构，但也可能导致风格变化不明显；调整 “CFG Scale” 可以平衡提示词和深度信息对生成图像的影响。
• 结合其他 ControlNet：可以将深度重绘与其他 ControlNet 模型（如 Canny 边缘检测、OpenPose 姿态估计等）结合使用，实现更复杂的图像重绘效果。例如，同时使用深度信息和边缘信息来控制图像的结构和细节。