ToB企服应用市场:ToB评测及商务社交产业平台
标题:
Stable Diffusion - 常用的负向提示 Embeddings 剖析与 坐姿 (Sitting) 提
[打印本页]
作者:
乌市泽哥
时间:
2024-8-17 18:15
标题:
Stable Diffusion - 常用的负向提示 Embeddings 剖析与 坐姿 (Sitting) 提
欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://spike.blog.csdn.net/article/details/132145248
负向 Embeddings 是用于提高 StableDiffusion 生成图像质量的技术，可以避免生成一些不符合预期的图像特征，比如画崩、变形、多余的部位等。原理是将一些不希望出现的图像特征转换为向量表示，然后作为负面提示，输入到 StableDiffusion 算法中，使得算法在优化过程中，只管远离这些向量所代表的图像分布。
测试模型：墨幽人造人_v1030
DreamShaper 8 更新：https://civitai.com/models/4384/dreamshaper
测试组合：
BadDream + UnrealisticDream + FastNegativeV2 ，用于 DreamShaper 模型，全部包罗。
ng_deepnegative_v1_75t，肢体负面提示词，
建议必选
。
negative_hand + badhandv4，手部负面提示词，
建议必选
。
EasyNegative，常见的风格负面提示词，可选。
bad-picture-chill-75v，常见的质量负面提示词，可选。
negative_feet_v2，腿部负面提示词，
建议坐姿选择
。
坐姿的提示词示例：
(masterpiece, best quality:1.2),highly detailed,extremely detailed,real photo,
fullbody,1girl,solo,asian,looking at viewer,(body facing viewer:1.2),(relax sitting),knees separation,
red lips,brown long hair,
collared shirt and dress shirt,long sleeves,(knees length dress:1.1),
(wrap hip very thick pantyhose:1.1),color high heels,
nice figure,good anatomy,good proportions,nice pose,(2shoes,2legs:1.2),(perfect legs:1.1),nice hand,
outdoors,buildings,photorealistic,realistic,<lora:more_details:0.4>,
<lora:yuzuv10:0.5>,<lora:sit_cross_leg_v2:0.6>,<lora:control_skin_exposure:-1.0>,
Negative prompt: (ng_deepnegative_v1_75t:1.3),(negative_hand),(badhandv4),(negative_feet_v2:0.6),
body sideways,buttocks,
extra limbs,malformed limbs,floating limbs,disconnected limbs,missing arm,missing leg,extra arms,extra legs,mutated legs,long neck,
bad anatomy,bad proportions,disfigured,long leg,
worst quality,bad quality,jpeg artifacts,lowres,normal quality,low quality,
EasyNegative,
Steps: 30, Sampler: DPM++ 2M SDE Karras, CFG scale: 5, Seed: 2451060841, Size: 512x768, Model hash: e4a30e4607, Model: 麦橘写实_MajicMIX_Realistic_v6, Denoising strength: 0.35, Clip skip: 2, ADetailer model: face_yolov8n.pt, ADetailer prompt: "asian girl, make up, beautiful face,", ADetailer confidence: 0.3, ADetailer dilate/erode: 4, ADetailer mask blur: 4, ADetailer denoising strength: 0.4, ADetailer inpaint only masked: True, ADetailer inpaint padding: 0, ADetailer ControlNet model: control_v11p_sd15_inpaint [ebff9138], ADetailer ControlNet module: inpaint_global_harmonious, ADetailer version: 23.7.6, Hires upscale: 2, Hires steps: 5, Hires upscaler: 4x-UltraSharp, Lora hashes: "more_details: 3b8aa1d351ef, yuzuv10: b1464588227a, sit_cross_leg_v2: cb80e9bce437, control_skin_exposure: 58bbb7a04626", TI hashes: "ng_deepnegative_v1_75t: 54e7e4826d53, negative_hand: 73b524a2da12, badhandv4: 5e40d722fc3d, negative_feet_v2: df90b1ff666d, EasyNegative: 66a7279a88dd", ControlNet 0: "preprocessor: inpaint_global_harmonious, model: control_v11p_sd15_inpaint [ebff9138], weight: 1.0, starting/ending: (0.0, 1.0), resize mode: ResizeMode.INNER_FIT, pixel perfect: True, control mode: ControlMode.BALANCED, preprocessor params: (-1, -1, -1)", Version: v1.5.1
复制代码
坐姿提示词很难完全乐成，只管包管大部分可用，即可。
墨幽真人 模型的效果：
1. BadDream + UnrealisticDream + FastNegativeV2 (DreamShaper)
DreamShaper 模型的常见提示词 Embedding 组合，注意 FastNegativeV2 已经包罗 negative_hand 的内容，即：
BadDream, (UnrealisticDream:1.2), FastNegativeV2,
复制代码
实测，提示词组合对于 DreamShaper 模型的效果较好，但是墨幽模型的效果不并理想。
参考地址：
Fast Negative Embedding (+ FastNegativeV2)，更新时间 2023.6.12
BadDream + UnrealisticDream (Negative Embeddings)，更新时间 2023.5.22
FastNegativeV2 的介绍：
常规负面 Embeddings 的 Token 混合。使用更快速，更易于复现。
仍旧是一个正在进行中的工作，但是由于已经在示例中使用，因此上传。
保留全部 Embeddings 的风格，增加 FastNegativeV2，不应该需要低沉权重。
不要正向提示中使用。
已包罗 Nerf 的 Negative Hand Embeddings 负向提示，即 negative_hand。
图像示例：
BadDream + UnrealisticDream 的介绍：
与 FastNegativeEmbedding 常规负面相似，将超长的 DreamShaper 负面提示也做同样处理。
将提示词压缩成两个词，这两个词就是这里介绍的两个 Embeddings。
BadDream 实用于 DreamShaper 的内容，而 UnrealisticDream 更恰当逼真的图像，但是不能独立使用。与 BadDream 或其他负面词一起使用。
两个词也可以与 FastNegativeEmbedding 同时使用。
图像示例：
2. ng_deepnegative_v1_75t
测试之后，非常好用的肢体扭曲的提示词，兼容各种模型。
参考地址：Deep Negative V1.x，更新时间，2023.6.20，ng_deepnegative_v1_75t 的介绍：
75T：最易于使用的 Embeddings，以特殊方式创建的准确数据集，进行训练的。几乎没有副作用，包罗的信息足以涵盖各种使用场景，但是对于训练有素的模型可能很难起作用。
由于这种 Embeddings 是在学习怎样创建恶心的概念，无法准确地提高图片质量，最好与 (worst quality, low quality, logo, text, watermark, username)，这些负面提示一起使用。当然，与其他雷同的负 Embeddings 一起使用是完全可以的。
图像示例：
3. bad-picture-chill-75v
参考地址：bad-picture negative embedding for ChilloutMix，更新时间，2023.5.8，bad-picture-chill-75v 的介绍：
这是一种负向提示风格的 Embeddings，针对 ChilloutMix 进行训练。
在非 ChilloutMix 模型上，可能效果好坏参半，用于图片的提示大多取自 ChilloutMix 页面的品评部分。
包罗有1个向量、32个向量和75个向量版本，能够添加更多的具体信息。
示例图像：
4. EasyNegative
参考地址：EasyNegative，更新时间，2023.2.10，EasyNegative 的介绍：
Embeddings 用在负向提示中，根据需要调解强度（似乎可以很好地缩放，没有任何扭曲），所需的强度可能会根据正面和负面提示而变革。
在动漫模型中，测试效果较好，比方 Counterfeit、AbyssOrangeMix2 等。
示例图像：
