(2) 解像度: 解像度が大きすぎると、複数の手足を持つ人が多くなる可能性があります。AI が学習に使用する画像の解像度は一般に比較的小さいため、解像度が大きすぎると、複数の写真。写真はつなぎ合わされます。高解像度の画像が必要な場合は、まず 512*512 の画像を描画してから、「hires.fix」を通じて高解像度の復元を実行します。

(3) 「顔を復元」顔修復。いくつかの対立アルゴリズムを使用して、人々の顔を識別して修復します。

(4) 「タイリング」タイリング。画面全体をシームレスに埋めるテクスチャ付きの画像を生成するために使用されます。

(5) バッチ生成: 完璧な画像を追求するために、一連のプロンプトワードを使用して複数回生成することができます。この機能により、一度に複数の画像を生成できます。すべての画像を組み合わせたプレビューが表示され、それぞれの画像が表示されます。画像をご覧ください。

2. グラフィックパラメータ

ノイズ除去の強度: 再描画範囲、元の画像の重みにどの程度似ているか

3. InPaint の部分再描画とパラメータ

宿題を書くときに使う修正液や修正テープのようなもので、大きな絵の中の一定の範囲を塗りつぶしたり描き直したりすることができます。間違いを修正できるだけでなく、紙全体を破いて再度描き直すことも避けられます。

イメージ生成の方法を使用してパーツを再描画し、元のイメージに戻します。

マスク: 一般に、処理領域を制限するために使用されるいくつかの範囲オブジェクトを指します。特定の重要な領域をカバーするプレート。

スケッチの修復: 描画します。描かれた色付きの線は同時に絵の一部を形成し、絵を描くプロセスに参加します。

3.モデル

1. 機種の種類

モデルダウンロードサイト：抱き顔/civitai

(1)大型モデル

チェックポイントチェックポイントまたはキーポイントモデル (ckpt ラージモデルと呼ばれる)、通常 2 ～ 7 GB

Safetensor は通常 1 ～ 2GB で、モデルの信頼性と効率性を高めるためにトレーナーによって特別に開発された大規模なモデルでもあります。

（2）埋め込み

ステーション C のモデルタイプに対応するテキスト埋め込みは、「Textual Inversion」、つまりテキスト反転です。

埋め込みファイルは非常に小さく、通常は数十 KB です

Checkpoint が大きな辞書だとすると、Embeddings はその上の小さな「しおり」のようなもので、個々の単語の意味を正確に示すことができるため、非常に効率的なインデックスを提供します。

埋め込み自体には情報は含まれず、マークアップのみが含まれます。

埋め込みにより特定の画像を示すことができます

ファイルの拡張子は pt で、ダウンロード後、models フォルダーの隣にある同じ名前のフォルダー embeddings に配置します。

埋め込みには追加の呼び出しは必要なく、プロンプト内で特定のプロンプトを使用して呼び出すだけで済みます。

(3) LoRa：下位モデル

LoRaの役割は、正確な特徴と明確な主題を持つ画像をAIに伝え、記述することです。

AIにその世界に存在しないものを学習させることが可能です。

埋め込みがしおりだとすると、Lora はぬり絵で、画像の特徴とその表現方法を紙に直接書きます。

Lora の場所は、models の下の Lora サブフォルダーです。

lora を使用するには、プロンプトボックスに直接入力します。

大規模なモデルをトレーニングするための最小要件は、12G 以上のビデオメモリを備えていることですが、LoRA モデルのトレーニングには 8G またはそれ以下しか必要ない場合があります。従来の大型モデルは少なくとも 2 G のストレージスペースを占有しますが、最大の LoRA モデルでも 200 M を超えることはありません。

いくつかの側面でこのチェックポイントの「微調整」を実現するには、チェックポイントと組み合わせて使用する必要があります。

(4) ハイパーネットワークスーパーネットワーク

ローラと同じ効果を得ることができます。

AIにその世界に存在しないものを学習させることが可能です。

ハイパーネットワークは通常、生成された画像の全体的なスタイルを向上させるために使用されます。必ずしも使用する必要はありません。後で直接 LORA を使用してください。

2. 機種分類と上位機種名

(1) 2次元モデル

Anything V5: アニメ、イラスト、キャラクターポートレートなどのグラフィックスタイル。

偽造品：高精細修復を施したイラスト風モデル

Dreamlike Diffusion: 夢のような幻想的な絵や作品を作成するためのコミックイラストスタイルのモデル

(2) 実システムモデル

Deliberate: スーパーアップグレードされた SD 公式モデル、非常に詳細かつ包括的なリアルなスタイル

リアルなビジョン: シンプルでリビングスペースがあり、ポートレート、食べ物、動物の写真を作成したり、現実感のあるフェイクニュース写真を作成したりするために使用されます。

LOFI: 前 2 つよりもさらに洗練された顔処理を施した、写真レベルの精緻なポートレートモデル

(3) 2.5Dスタイルモデル

NeverEnding Dream：アニメやゲームのキャラクターの二次創作にLoraと組み合わせた「立体」的な2.5Dモデルに非常に適しています

フォトリアリズム: 優れた写真効果と創造性の余地

Guofeng3: 「文化的成果」を実現するための民族様式の絶妙なモデル

4. 解像度を拡大するためのツール

1. HD 修理 Hires.fix

アップスケール: 倍率、画像が元の解像度からどの程度拡大されるかを示します。

採用ステップ: HD 修復のサンプリング時間。HD 修復は 1 回再描画する必要があるため、サンプリングステップ数を設定する必要があります。デフォルト値の 0 のままにしておきます。これは、設定したサンプリング反復数 (20) と一致します。

ノイズ除去強度: 再描画強度。グラフ内の再描画強度に相当します。

生成プロセス: SD は最初に低解像度のイメージを描画し、次にそれに基づいて 2 番目の高解像度のイメージを描画します。その本質は、この低解像度の完成した「写真イメージ」を一度取得し、それを潜在空間に送り返して再ノイズ除去し、より大きなイメージを取得することです。

高解像度修復の本質: 呼び出して再描画し、もう一度作成します。Vincent 図に適合します。

アドバンテージ：

フレーム構成は変更しません (ランダムシードによって固定)。

複数人、複数頭の解決によって生じる問題を安定的に克服します。

操作はシンプル、明瞭、直観的です。

欠陥：

それでも最大ビデオメモリによって制限されます。

計算速度は比較的遅く、1 回の描画は通常の場合 2 ～ 3 回の描画に相当します。

時々「ドラマ追加」、不可解な追加要素あり

2、SDアップスケール

グラフ内の画像解像度を拡大するための優れたヘルパーです。

脚本：

SD アップスケールを選択

その描画プロセスは、高精細修復の「戻して描き直す」とは全く異なり、絵を4等分に切り出し、4枚ずつ1枚ずつ描いて貼り合わせて描画します。

機械的に 4 つの部分にカットしただけの場合、隣接するタイル間の継ぎ目に非常に鈍い遷移エッジが確実に存在するため、タイルのオーバーラップによるピクセルのオーバーラップが「バッファ」の役割を果たします。

アドバンテージ：

メモリ制限を突破してより大きな解像度を取得できる

高解像度の画像、細部まで優れた豊かな効果

欠陥：

分割と再描画のプロセスは比較的制御不可能です (意味上の誤解を招き、分割線の分割)

操作が面倒で比較的直感的ではない

時々「ドラマ追加」、不可解な追加要素あり

5. AIペイント入門拡張プラグイン

拡張機能に関連するすべての機能は、この「拡張機能」タブで一元的に保存および管理されます。

プラグインはルートディレクトリの「Extension」フォルダに統一してインストールされ、各拡張機能は別のフォルダになります。

1.中国語ローカリゼーション言語パック

GitHub - hanamizuki-ai/stable-diffusion-webui-localization-zh_Hans: SD-WebUI 簡体字中国語翻訳拡張機能

2. ギャラリーブラウザ

GitHub - yfszzx/stable-diffusion-webui-images-browser:stable-diffusion-webui の画像参照

3. プロンプト単語の自動補完

https://github.com/DominikDoom/a1111-sd-webui-tagcomplete

これは、ローカルの Booru シソーラスに基づいて実装されます。

このプラグインは中国語で入力し、その後英語に切り替えて入力することもできます。

4. プロンプトの言葉を逆にする

https://github.com/toriato/stable-diffusion-webui-wd14-tagger.git

CLIP や DeepBooru よりも効率的な反転ツール。

5.高級なズームインとズームアウト

https://github.com/Coyote-A/ultimate-upscale-for-automatic1111.git

インストールが完了すると、独立したタブはありませんが、スクリプト内に表示されます。

6. 部分的なリファインと再描画

https://github.com/hnmr293/sd-webui-llul

5番目のツールと比較すると、全体像が特に大きくなるわけではありませんが、サイズが限られており、これ以上精緻化できない一部の部分が「拡大」されます。

それは、元の構造を変えることなく、画像により豊かなディテールをもたらすことにあります。

7. プロンプトワードの意味セグメンテーション

https://github.com/hnmr293/sd-webui-cutoff.git

キューワード間の相互干渉を解決します。

延長の原則は次のとおりです。

各プロンプトワードの「説明」コンポーネントを抽出して個別に処理し、それを結合して元の絵画に戻します。

8. 無制限のズームアニメーションビデオ

https://github.com/v8hid/infinite-zoom-automatic1111-webui.git

そのシーンは常に外側に拡張され、最終的にアニメーションビデオが生成されると想像できます。

6、ControlNetプラグイン

1. 概要

これ以前は、拡散モデルに基づく「AI ペインティング」は制御が非常に難しく、この絵の拡散を解除するプロセスはランダム性に満ちていました。

原則として、ControlNet と LoRA には多くの類似点があり、その位置付けは大規模な普及モデルを微調整する追加のネットワークです。その中心的な役割は、追加情報に基づいて拡散の方向を制御することです。

例えば「姿勢」ですが、プロンプトワードで「ダンス」と入力するだけで、画面上の文字やキャラクターは無数のダンス姿勢を持っている可能性があります。特定の「ポーズ」の記録を入力できるのがControlNetの本質です。「情報」描画をガイドするための絵。ControlNet は以下の情報を読み取ることができます。