Microorganisms infiltrating through brain-machine interfaces --v 6.0
Microorganisms infiltrating through brain-machine interfaces ,redpupil --v 6.0
Microorganisms infiltrating through brain-machine interfaces,billion
girls dream --v 6.0
–niji 6
“动漫风”模型，可以生成高质量的二次元图像以及插画。
▎**–sref URL**
风格一致性，URL
是风格参考图片的网址，通过提供图像URL来指定理想的视觉风格。
下面是示例：图1 作为垫图，另外 选择一张作为视觉风格参考（图2），生成了一组图3
图1
图2
▎**–cref URL**
角色一致性功能，URL 是角色参考图片的网址。Midjourney会分析参考图片的角色特征，在生成新图片时尽可能保持一致。
下面是示例：图1 作为角色参考图，生成了一组图2，很像了。
图1
图2
▎**局部修图**
案例：比如下图生成的图片里有文字，必要去掉，而出现的缘故原由是我垫的那张图也有文字
操作：点击vary（region），进入局部修图，方法删除垫图的链接，涂抹有文字的区域，重新生图
Stable Diffusion 基础操作
文生图
如图所示 Stable Diffusion WebUl 的操作界面重要分为: 模型区域、功能区域、参数区域出图区域
txt2img 为文生图功能，重点参数先容:
正向提示词: 描述图片中希望出现的内容
反向提示词: 描述图片中不希望出现的内容
Sampling method:
采样方法，保举选择
Euler a 或 DPM++ 系列，采样速率快
Sampling steps: 迭代步数，数值越大图像质量越好，生成时间也越长，一般控制在 30-50就能出效果
Restore faces: 可以优化脸部生成
Width/Height: 生成图片的宽高，越大越斲丧显存，生成时间也越长，一般方图 512x512竖图 512x768，必要更大尺寸，可以到 Extras
功能里进行等比高清放大
CFG: 提示词相干性，数值越大越相干，数值越小越不相干，一般发起 7-12 区间
Batch count/Batch size: 生成批次和每批数量，如果必要多图，可以调整下每批数量
Seed: 种子数，-1 表现随机，雷同的种子数可以保持图像的一致性，如果以为一张图的结构不错，但对风格不满意，可以将种子数固定，再调整 prompt 生成
图生图
img2img 功能可以生成与原图相似构图色彩的画像，或者指定一部分内容进行变更。可以重点使用 Inpaint 图像修补这个功能:
Resize mode: 缩放模式，Just resize 只调整图片巨细，如果输入与输出长宽比例差别，图片会被拉伸。Crop and resize
裁剪与调整巨细，如果输入与输出长宽比例差别，会以图片中心向四周，将比例外的部分进行裁剪。Resize and fill
调整巨细与填充，如果输入与输出分辨率差别，会以图片中心向四周，将比例内多余的部分进行填充
Mask blur: 蒙版模糊度，值越大与原图边沿的过度越平滑，越小则边沿越锐利
Mask mode: 蒙版模式，Inpaint masked 只重绘涂色部分，Inpaint not masked 重绘除了涂色的部分
Masked Content: 蒙版内容，fill 用其他内容填充，original 在原来的基础上重绘
Inpaint area: 重绘区域，Whole picture 整个图像区域，Only masked 只在蒙版区域
Denoising strength: 重绘幅度，值越大越自由发挥，越小越和原图接近
ControlNet
安装完 ControlNet 后，在 txt2img 和 img2img 参数面板中均可以调用 ControlNet。操作说明:
Enable: 启用 ControlNet
Low VRAM: 低显存模式优化，发起 8G 显存以下开启
Guess mode: 猜测模式，可以不设置提示词，自动生成图片
Preprocessor: 选择预处理器重要有 OpenPose、Canny、HED、Scribble、MIsd.Seg、Normal Map、Depth
Model: ControlNet 模型，模型选择要与预处理器对应
Weight: 权重影响，使用 ControlNet 生成图片的权重占比影响
Guidance strength(T): 引导强度，值为 1时，代表每选代 1 步就会被 ControlNet引导1次
Annotator resolution: 数值越高，预处理图像越精细Canny low/high threshold: 控制最低和最高采样深度Resize
mode: 图像巨细模式，默认选择缩放至合适
Canvas width/height: 画布宽高
Create blank canvas: 创建空缺画布
Preview annotator result: 预览解释器结果，得到一张 ControlNet 模型提取的特征图片
Hide annotator result: 隐藏预览图像窗
LORA 模型练习说明
前面提到 LORA 模型具有练习速率快，模型巨细适中 (100MB 左右)，配置要求低 (8G 显存)，能用少量图片练习出风格效果的优势。
以下简要先容该模型的练习方法:
关于AI绘画技术储备
学好 AI绘画 岂论是就业照旧做副业赢利都不错，但要学会 AI绘画 照旧要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料，给那些想学习 AI绘画 的小同伴们一点帮助！
对于0基础小白入门：
如果你是零基础小白，想快速入门AI绘画是可以思量的。
一方面是学习时间相对较短，学习内容更全面更会合。
二方面是可以找到适合本身的学习方案
包罗：stable diffusion安装包、stable diffusion0基础入门全套PDF，视频学习教程。带你从零基础系统性的学好AI绘画！
零基础AI绘画学习资源先容
|
