无需过多提示词也不需要训练lora模型利用controlnet预处理器也能实现风格迁移!!

SD入门教程8个月前更新 wanglu852
14,614 0 0
广告也精彩

介绍

今天我们来讲几个 Controlnet 的应用场景,让我们来实现几个神奇的小操作吧。今天会讲到三个应用场景。

应用场景1:保留元素和风格(Shuffle随机洗牌)

我们有一张图片,我很喜欢其中的元素和风格。 我们就可以通过 Controlnet,保留图片中的元素和风格,并重新组合成另一幅类似的图片。

应用场景2:物体变化

通过简单的操作,我们可以让原本的物体产生一些变化。 比如,我们可以让鞋子着火或结冰。同时,我们也可以一键让室内关灯变得阴森恐怖,或者让它燃烧起来。

无需过多提示词也不需要训练lora模型利用controlnet预处理器也能实现风格迁移!! 无需过多提示词也不需要训练lora模型利用controlnet预处理器也能实现风格迁移!!

应用场景3:人物穿上相同款式的服装

即使一张照片中的人物穿着正式服装,Controlnet 也可以实现让他们穿上相同款式的服装。这个应用场景非常有趣,可以让您的照片变得更加有个性。此外,Contranet 还可以让二次元形象保留大致的人物特征,并进行一些衍生的变化,代替模型练制。
无需过多提示词也不需要训练lora模型利用controlnet预处理器也能实现风格迁移!!

具体操作

接下来我们讲一讲具体如何操作。这些操作分别对应 ControlNet 里面的三个控制类型。

Shuffle随机洗牌

我们点击启用勾选完美像素,然后选择Shuffle随机洗牌。接下来随便写一些提示词,比如城市建筑街道和质量子。步数和采样器选一下合适的,点击生成,我们可以看到生成的第一张图片打乱了参考图的元素,但保留了元素和风格。第二张是成品图,这个功能在制作海报或延伸物料时非常有用。(几乎保留了所有的颜色,线条风格)
无需过多提示词也不需要训练lora模型利用controlnet预处理器也能实现风格迁移!!

InstructP2P

我们选择一个产品,比如冰箱预处理器。在提示词中写上“让冰箱着火”,然后点击生成。我们可以看到生成的图片在原图的基础上加了火焰的标志。这个功能可以让我们进行一些有趣的创作,比如让人物成为钢铁侠,等等。
无需过多提示词也不需要训练lora模型利用controlnet预处理器也能实现风格迁移!!

Revision参考

我们选择一张图片作为参考,并调整权重最大。点击生成,我们可以看到生成的图片参考了原图的风格,并得到了一个卧室的图片。这个功能可以代替训练模型,非常强大。

可以对两张参考图进行参考,我们可以给一个元素使用一个不同的东西,比如给一个人物使用另一张图片。选择两张参考图,并点击生成,我们可以看到生成的图片融合了两个元素的风格和特征,非常强大。
无需过多提示词也不需要训练lora模型利用controlnet预处理器也能实现风格迁移!!

无需过多提示词也不需要训练lora模型利用controlnet预处理器也能实现风格迁移!!
这些功能中,我个人觉得Reference和随机洗牌非常有用,而IP2P的实用性较弱。大家可以尝试一下它们的更多可能性。今天的内容就到这里。


© 版权声明
chatgpt4.0

相关文章

暂无评论

您必须登录才能参与评论!
立即登录
暂无评论...
error: Content is protected !!