1. SD 文生图参数

1.1. stable diffusion生成图片的最简单原理

从噪声图逐步去噪，最终形成结果

1.2. 迭代步数

• 通俗理解
  • 从噪声图到成图，中间去噪多少次
  • AI画师画一幅画画了多少笔：AI画师画到第几笔，给到想要的结果
• 推荐配置：30-40步

1.3. 采样方法

• 通俗理解：把一张噪声图变成图像的方法
• 区别
  • 最终结果效果
  • 是否收敛
  • 花费步数/时间
  • 风格、色彩
• 新手推荐
  • euler a
  • euler
  • DPM++ 2M：Karras
• 如何取消不需要的迭代器

1.4. 面部修复

• 对面部进行识别和修复
• 使用技巧
  • 在真实风图片中效果很好
  • 在动漫图片中效果不好

1.5. 平铺图

生成左右衔接的图。VR图片生成更合适

1.6. 尺寸

• 作用：控制图片的大小
• 使用技巧
  • 不可以直接生成超大图，画面崩坏
    • 理论知识：sd的模型 训练用图是512-512
    • 宽高控制在512-768
      • 否则画面比例不协调
      • 过小的分辨率导致图片质量低
      • 过大的分辨率会导致图片质量低
  • 宽度和高度与性能的关系
  • 点击箭头，交换宽高
  • 尺寸的设置应该与构图有关系
    • 512*512：适合人物、物件特写
    • 512*768：适合人物素材 半身，全身更合适
    • 768*512
      • 适合风景题材
      • 适合大广角视角

1.7. 高清修复

• 基本原理
  • 先对图片进行放大
  • 再对图片根据重绘幅度，重新绘制
• 参数设置
  • 放大算法
    • 二次元：R-ESRGAN 4x + anime6B
    • 三次元：R-ESRGAN 4x
  • 高分迭代步数
    • 0则表示与迭代步数保持一致
    • 15保底，如果效果好无需提高
  • 重绘幅度
    • 0.1-0.4：基本保持画面结构，细节调整逐步增加
    • 0.4-0.8：画面大修，但还会参照之前的构图
    • 0.8-0.9：基本重画，与原画面几乎没关系了
    • 1：和原图没关系了，重画
• 使用技巧
  • 对人脸进行修复
  • 添加环境细节
  • 用lora还原人脸的情况下，重绘幅度不可以拉的太高

1.8. 多张图生成

• 单批数量
  • 同时生成多张
  • 优点：相当于图片拼凑在一起同时生成，对显存的利用效率高
• 总批次数
  • 每次生成[单批数量]张，依次生成
  • 优点：对显卡的需求低，但是生成图片时间更长

1.9. 提示词引导系数

• 定义：Classifier-free guidance (CFG) scale（CGF指数）用来调节文本提示对扩散过程的引导程度
• 作用：提示词引导系数值越高，图片越受提示词影响
• 使用技巧
  • 保持在5-9之间最佳。如果生成画面有用力过猛的情况，调低CFG的值
  • 不要超过12，画面会崩

1.10. 随机种子

• 基本原理
  • 决定了初始噪声图的噪声分布
  • 其它参数一样的情况下，随机数种子决定了图片的结果
• 使用技巧：锁住随机种子，调整参数微调画面