欢迎关注我的CSDN：https://spike.blog.csdn.net/
本文地址：https://spike.blog.csdn.net/article/details/131643131
LaMa: https://github.com/advimman/lama
LaMa: Large Mask inpainting
尽管现代图像修复系统已经取得了显著的进步，但是在处理大面积缺失、复杂的几何结构和高分辨率图像方面，常常面临挑战。其中一个主要的原因是修复网络和损失函数中缺乏有效的接收视野。为了解决这个问题，提出了一种新的方法，称为 大面积 Mask 修复（LaMa），主要基于：
- 一种新的修复网络架构，使用快速傅里叶卷积（FFCs），具有全图像的接收视野；
- 高接收视野的感知损失；
- 大量训练 Mask，释放前两个部分的潜力。
LaMa 修复网络在一系列数据集上改进了最新的技术水平，并且在面临挑战的情况下，例如完成周期性结构，也取得了优秀的性能。LaMa 模型令人惊讶地能够很好地适应训练时未见过的更高分辨率，且在参数和时间成本上比竞争基线更低。
1. 基础图像
启动 SD 服务命令：
conda deactivate
source venv/bin/activate
# python launch.py --port 9301 --xformers
nohup python -u launch.py --port 9301 --xformers > nohup.sd.out &
ControlNet 版本：v1.1.231，已升级至最新版本：
cd stable-diffusion-webui/extensions/sd-webui-controlnet
git pull
再重启服务。
模型是墨优人造人，输入定制化的提示词与配置：
1girl,moyou,best quality,detailed,8k hdr,RAW,intricate details,chiaroscuro,drop shadow,
(cosmetics:1.1),(rim light:1.2),
solo,(face details:1.3),(light green hair:1.1),eyes,hair accessories,
standing on the ground,full body,fashionable clothing,school uniform,
huge chest,lacteal sulcus,sneakers,on the bustling streets,(pinkshoes:1.2),short skirt
Negative prompt: EasyNegative,(badhandv4:1.2)
Steps: 30, Sampler: DDIM, CFG scale: 7, Seed: 777766374, Face restoration: CodeFormer, Size: 512x768, Model hash: 6a226dd292, Model: 墨幽人造人_v1010_完整版, Denoising strength: 0.2, Hires upscale: 2, Hires upscaler: 8x_NMKD-Superscale_150000_G, Version: v1.4.0
默认 512x768 的输出图像：
2. 扩展图像
将图像存储之后，放入 ControlNet 插件，并且启用，配置如下：
- 选择：
完美像素模式； - 控制类型，选择：
局部重绘(Inpaint) - 预处理器，选择：
inpaint_only+lama；模型，选择：control_v11p_sd15_inpaint。 - 控制模型：
更偏向提示词，可以生成更多细节。 - 缩放模式：
缩放后填充空白。
即：
其他参数配置：
- 采样方法，选择：
DDIM，即模型推荐方法。 - 迭代步数，选择：
30~50 - 宽度和高度：注意，如果要生成图像较宽，即 宽度:高度 > 2:1，建议拆分2次进行，以避免生成多个人像。即原图512x768 - 1024x768 - 1536x768，重复2次操作，即可。
即：
通过 2 次扩展，即512x768 - 1024x768 - 1536x768，输出 1536x768 的图像：
3. 提升细节
使用 ControlNet 的 Tile 模式，可以有效去除边缘过渡。
将图像转换至 图生图 模式，配置参数：
提示词保持不变。- 选择
面部修复，因为重绘，就要选择面部修复。 - 重绘尺寸倍数，选择：
2倍，即从1536x768-3072x1536 - 重绘幅度，选择：
0.6 - 其余默认或与模型相关。
即：
ControlNet 插件的 Tile 功能的配置：
- 启用：
完美像素模式； - 控制类型，选择
Tile (分块)； - 预处理器，选择：
tile_resample；模型，选择control_v11f1e_sd15_tile； - 其余保持默认。
即：
最终效果：
其中，绿色手提包的局部细节对比，如下：
其他
miaoshouai-assistant (喵手助理) 插件
添加 miaoshouai-assistant，安装链接，扩展 - 从网址安装：
https://ghproxy.com/https://github.com/miaoshouai/miaoshouai-assistant.git
遇到 Bug，TypeError: 'type' object is not subscriptable：
File "stable-diffusion-webui/extensions/miaoshouai-assistant/scripts/runtime/msai_prelude.py", line 116, in MiaoshouPrelude
def ENV_EXCLUSION(self) -> list[str]:
TypeError: 'type' object is not subscriptable
源码：miaoshouai-assistant/scripts/runtime/msai_prelude.py，返回类型错误，修改即可：
# def ENV_EXCLUSION(self) -> list[str]:
def ENV_EXCLUSION(self) -> list:
暂时并未使用。