ControlNet hjælper dig med at få perfekte hænder med Stable Diffusion 1.5
Kort sagt
ControlNet er en nem måde at finjustere Stable Diffusion.
Det kan bruges til at udvikle modeller til bedre SD-kontrol.
ControlNet er open source og kan bruges sammen med WebUI'er for at opnå Stable Diffusion.
Den eneste ting, tekst-til-billede AI-generatorer har kæmpet med, er hænder. Selvom billeder generelt er imponerende, er hænderne mindre, med overflødige fingre, underligt bøjede led og en klar mangel på forståelse af, hvordan hænder skal se ud fra AI's side. Dette behøver dog ikke at være tilfældet, da det nye ControlNet-produkt er her for at hjælpe Stable Diffusion skabe perfekte, realistisk udseende hænder.
ControlNet er en ny teknologi, der giver dig mulighed for at bruge en skitse, skitse, dybde eller normalt kort til at guide neuroner baseret på Stable Diffusion 1.5. Det betyder, at du nu kan have næsten perfekte hænder på enhver brugerdefineret 1.5-model, så længe du har den rigtige vejledning. ControlNet kan opfattes som et revolutionerende værktøj, der giver brugerne mulighed for at have ultimativ kontrol over deres design.
For at opnå fejlfri hænder skal du bruge A1111-udvidelsen med ControlNet, specifikt dybdemodulet. Tag derefter et par nærbilleder af dine hænder og upload dem til ControlNet UI's txt2img-fane. Opret derefter en simpel drømmeformende prompt, såsom "fantasikunst, vikingemand, der viser hænder nærbillede", og eksperimenter med styrken i ControlNet. Eksperimentering med Depth-modulet, A1111-udvidelsen og ControlNet UI'er txt2img-fanen vil resultere i smukke og realistisk udseende hænder.
| Anbefalet indlæg: Shutterstock belønner kunstnere, der bidrager til generative AI-modeller |
ControlNet konverterer selv billedet, som det får, til dybde, normaler eller en skitse, så det senere kan bruges som model. Men du kan selvfølgelig uploade dit eget dybdekort eller skitser direkte. Dette giver mulighed for maksimal fleksibilitet, når du opretter en 3D-scene, så du kan fokusere på stilen og kvaliteten af det endelige billede.
Vi anbefaler stærkt, at du ser på det fremragende ControlNet tutorial som Aitrepreneur for nylig har udgivet.
ControlNet forbedrer kontrollen over Stable Diffusion's billed-til-billede-funktioner
Skønt Stable Diffusion kan skabe billeder fra tekst, den kan også skabe grafik fra skabeloner. Denne billed-til-billede pipeline er ofte vant til forbedre genererede fotos eller producere nye billeder fra bunden ved hjælp af skabeloner.
Mens Stable Diffusion 2.0 giver mulighed for at bruge dybdedata fra et billede som en skabelon, kontrol over denne proces er ret begrænset. Denne tilgang understøttes ikke af den tidligere version, 1.5, som stadig er almindeligt anvendt på grund af det enorme antal brugerdefinerede modeller, blandt andre årsager.
Hver bloks vægte fra Stable Diffusion kopieres af ControlNet til en oplærbar variant og en låst variant. Den blokerede form bevarer mulighederne for den produktionsklare diffusionsmodel, hvorimod den oplærbare variant kan lære nye betingelser for billedsyntese ved at finjustere med bittesmå datasæt.
Stable Diffusion fungerer med alle ControlNet-modeller og giver betydeligt mere kontrol over den generative AI. Holdet giver prøver af flere variationer af mennesker i faste positurer, samt forskellige interiørfotos baseret på modellens rumlige arrangement og variationer af fuglebilleder.
Læs mere om AI:
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
Flere artikler
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
