【Stable Diffusion】角色设计的福音!绘制一致性多角度头像

基于gem5模拟trace的cache模拟器的实现 在做计算机体系结构的时候,模拟器是一个重要且又有效的工具。其中gem5集成了gem和m5的优点,使用起来比较简单和方便。其中包括了se模式和fs模式,se模式是在gem5运行我们已经编译好的程序,可以获取cache,cpu状态等数据,fs模式下可以模拟操作系统,我们可以将我们自己修改的linux内核加载到哥们上运行。下面介绍了使用gem5的se模式,运行编译好的ARM可执行文件。获取访存的trac 阅读详情

在这里插入图片描述

如何让我们在SD中绘制的角色保持一致,这是人们长久以来在探索AI绘画的领域当中一直寻求解决的问题。目前来看,实现这个目标最好的方法就是使用LoRA。

但是要训练一个LoRA,我们首先要至少有一个15到20张图片的训练集。在一个固定的形象中,最重要的是面部五官,其次是体型、服装、配饰之类的。所以,我们在收集训练集的过程当中,收集形象的头部图片是很重要的。

现实中的人物我们可以通过照片来进行训练,但如果是我们在AI中生成的虚构角色呢?我们就要让这个虚构角色能稳定输出多张不同角度的图片才能达到训练集的要求。

今天,我们就来学习一下,如何创建一个虚构人物的多视图角色表。

1.准备工作

首先,我们要准备一张人物的多角度图片。这张图一共有15个不同的视图,它的主要作用是可以使用openpose来控制形象的面部角度。尺寸设置的是1328×800px,这样的话,当我们放大两倍之后就能保证每张小图都是512×512px。

【一个小知识:稳定扩散输出尺寸必须能被8整除。这个工作表的设置方式是由__8 像素的分割线和 256×256像素__的图像组成。__】

在这里插入图片描述

再加上一个网格图,通过lineart来分割不同的块面。

在这里插入图片描述

接下来,我们来设置controlnet,第一张图选择openpose_face,得到人物的15个面部角度。

在这里插入图片描述

第二张图选择lineart_standard (from white bg & black line),可以得到清晰的表格分区。

在这里插入图片描述

为了让小图模式下的人脸不会崩坏,我们可以在增加一个ADetailer的脸部修复插件。

在这里插入图片描述

开始生图

设置文生图提示词:

大模型:majicmixRealistic_v6.safetensors

正向提示词:(a character sheet of a woman from different angles with a grey
background:1.4),auburn hair,eyes open,cinematic lighting,Hyperrealism,depth
of field,photography,ultra highres,photorealistic,8k,hyperrealism,studio
lighting,photography,

负向提示词:EasyNegative,canvasframe,canvas frame,eyes
shut,wink,blurry,hands,closed
eyes,(easynegative),((((ugly)))),(((duplicate))),((morbid)),((mutilated)),out
of frame,extra fingers,mutated hands,((poorly drawn hands)),((poorly drawn
face)),((bad art)),blurry,(((mutation))),(((deformed))),blurry,((bad
anatomy)),(((bad proportions))),((extra limbs)),cloned
face,(((disfigured))),gross proportions,(malformed limbs),((missing
arms)),((missing legs)),((floating limbs)),((disconnected
limbs)),((malformed hands)),((missing fingers)),worst quality,((disappearing
arms)),((disappearing legs)),(((extra arms))),(((extra legs))),(fused
fingers),(too many fingers),(((long neck))),canvas frame,((worst
quality)),((low
quality)),lowres,sig,signature,watermark,username,bad,immature,cartoon,anime,3d,painting,b&w,

在这里插入图片描述

设置一下参数:

迭代步数:50

采样方法:DPM++ 2M Karras

尺寸:1328×800px

在这里插入图片描述

出图!15个不同角度的人物图片,大概看下来基本就是同一个人,没毛病。

在这里插入图片描述

3.细节放大

接下来发送到图生图,进行一次放大。

在这里插入图片描述

重绘幅度设置为0.55,不需要太高。

在这里插入图片描述

使用controlnet的teil模型来增加细节,控制模式选择“更倾向controlnet”。

在这里插入图片描述

Ultimate SD upscale脚本放大为2倍,使用4x-UltraSharp放大算法。

在这里插入图片描述

生成出图,我们来看一下最终的效果。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

4.随便试试

接下来,我们再来试一试二次元的形象吧。

使用AnythingV5大模型,绘制一个浅绿色的侧马尾女孩的形象。

在这里插入图片描述

再做一个手办风格的卡通角色

使用revAnimated大模型,绘制一个粉色头发的长发公主的形象。

在这里插入图片描述

资料软件免费放送
在这里插入图片描述

次日同一发放请耐心等待

记录一次小项目中的重放攻击与解决方案 文章目录1、重放攻击简介2、重放攻击演示3、解决方案4、重放攻击验证 欢迎各位 前(提)来(出)讨(意)论(见)。 1、重放攻击简介 重放攻击(Replay Attacks)又称重播攻击、回放攻击,是指攻击者发送一个目的主机已接收过的包,来达到欺骗系统的目的,主要用于身份认证过程,破坏认证的正确性。 举个简单的小例子。 我们往系统里面插入一条数据,如果此次操作的数据包被攻击者获取,又恰巧后台没有对重复内容进行验证,那么攻击者就可以利用该数据包重复的发起请求,无限制的往数据库插入数据,即使请求包是加密的也 阅读详情

相关推荐

BAPI_OUTB_DELIVERY_CHANGE扩展指南:利用EXTENSION2与SMOD_V50B0001实现自定义字段更新

本文详细解析了如何利用BAPI_OUTB_DELIVERY_CHANGE的EXTENSION2参数与增强点SMOD_V50B0001,在不修改标准代码的前提下,安全、标准地更新SAP交货单的自定义字段。通过清晰的步骤指南和实战代码示例,帮助开发者掌握通过增强字段实现定制化业务需求的完整流程与调试技巧。

fanta的博客 452

[SD实战]实现人物写真背景图像融合,深度剖析蒙版重绘与CN局部重绘实战

大家好我是安琪!!!在摄影与图像处理领域,人物写真背景图像融合一直是技术难点。传统方法往往难以实现自然且富有艺术感的融合效果。然而,随着深度学习技术的发展,蒙版重绘与CN局部重绘技术为我们提供了全新的思路。本文将带你深入剖析这两种技术的实战应用,探索如何将人物与背景完美融合,实现令人惊叹的艺术效果。今天实战介绍。在实际写真场景中,涉及切换人物背景图并融合。我们这里使用与实现背景图的融合。

2401_85725028的博客 1383

oh-my-zsh详细安装与主题插件配置

使用Linux的小伙伴都知道默认shell是bash,但是对于喜欢折腾,喜欢酷炫的我们bash怎能够用。zsh的作为一种shell,功能更强大,但是配置复杂。后来,有大佬创建了一个名为oh-my-zsh的开源项目,使用方便,功能强大。 下面就去oh-my-zsh的配置。 ①安装zsh 想要安装oh-my-zsh,首先得安装zsh,输入命令 sudo apt-get install zsh 界面如下 ②查看是否安装成功 输入命令 zsh --version 可以查看安装zsh的版本..

惜洛-Jankin的博客 2万+

利用Stable Diffusion将自己的照片10秒钟做张卡通头像吧

大家好!今天我将用一种二大爷也能听懂的方式来分享一个实操干货——如何使用Stable Diffusion在10秒钟内将您的普通照片变身为有趣的卡通头像。不论您是社交媒体上的头像达人,还是仅仅想为自己的数字身份增添一些个性,这篇教程都将是您的不二选择。现在,让我们一起迈入Stable Diffusion的奇妙世界,发掘其在个性化创作上的无限可能性。

m0_59163425的博客 9359

AD2428与SigmaStudio:从节点自动配置与EEPROM存储实战

本文详细介绍了AD2428 A2B收发器与SigmaStudio开发环境的集成应用,重点讲解从节点自动配置与EEPROM存储的实战流程。通过硬件连接、属性配置、数据导出及嵌入式系统集成等步骤,实现设备上电自启动,提升汽车音频系统的可靠性与部署效率。

g8f9d0s1a2的博客 661

simulink中MIL测试简单理解

输入信号设置如下:选中New Test Case1 ---INPUT。5、新建(选择New,Test from Spreadsheet)6、可以新建也可以导入(Use existing test)Source:Output为自己预测结果。3、右键子系统(Create)打开生成表格,可以自己调试。4、创建测试用例表格。保存路径为模型路径。保存路径在模型路径。8、运行测试设h置。

lingdianhuat的博客 1786

AI绘画StableDiffusion固定角色大法,无限生成统一风格的图片

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

A13531922962的博客 1878

群晖Web Station实战:从零搭建个人静态导航站

本文详细介绍了如何利用群晖NAS自带的Web Station套件,从零开始搭建个人静态导航站。通过安装Web Station、上传静态网站源码、配置网页服务与网络门户等步骤,无需代码基础即可实现内网访问。文章还分享了文件权限设置、个性化定制及常见问题排查等实用技巧,帮助用户高效管理个人常用网址,充分挖掘NAS的服务器潜能。

tea88的博客 1333

AI绘画【Stable Diffusion】角色设计的福音!绘制一致性多角度头像

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

A13531922962的博客 1243

【Java基础篇】Java重要特性,JDK,JRE,JVM区别和联系,环境变量

JDK使用时的执行流程: • 开发者视角(需要开发java程序):需要安装JDK a. 首先使用JDK调用Tools&Tool APIs(开发者工具)编写好Java程序--xxx.java b. 再次调用Tools&Tool APIs中的javac.exe(编译程序)来编译.java文件(将java文件编译成字节码.class文件) c. 调用java.exe来启动JRE d. 在JRE上运行JAVA字节码(加载特定的.class文件,调用这个class文件中的main方法

Yaoyao2024的博客 2164

1、硬件工程师笔面试真题汇总(2025版本)

答:按照使用习惯,电源指示灯用红色,信号指示灯用绿色这两种颜色的LED 灯技术最成熟,价格最便宜通孔是贯穿整个PCB 的过孔盲孔是从PCB 表层连接到内层的过孔埋孔是埋在PCB 内层的过孔。大多数PCB厂家的加工能力是这样的:大于等于8mil 的过孔可以做机械孔小于等于6mil 的过孔需要做激光孔对小于等于6mil 的微型孔,在钻孔空间不够时,允许一部分过打在PCB 焊盘上。

XU157303764的博客 2万+

【Stable Diffusion】角色设计的福音!绘制一致性多角度头像(附模型训练器)

如何让我们在SD中绘制的角色保持一致,这是人们长久以来在探索AI绘画的领域当中一直寻求解决的问题。目前来看,实现这个目标最好的方法就是使用LoRA。

m0_58477260的博客 1101

Ghost卷积原理与构建YOLOv11的GhostNet变体

本文探讨了在边缘设备部署YOLOv11时使用Ghost卷积进行模型轻量化的实践经验。针对Jetson Nano的4GB内存限制,作者通过替换Backbone中的3x3标准卷积为Ghost卷积,实现了参数减少28%、推理速度提升38%,仅损失1.1%mAP的优化效果。文章详细介绍了Ghost卷积的实现原理、在YOLOv11中的具体替换策略,以及训练调参和部署优化的关键技巧。作者强调轻量化是计算效率与模型性能的权衡,建议工程团队保留原模型和Ghost变体两个版本,根据实际需求灵活切换。Ghost卷积的核心价值在

as1225120794的博客 169

深度学习22:Stable Diffusion 实战——文生图工作流与 LoRA 画风定制

Stable Diffusion怎么用提示词画出好图?本文拆解CLIP文本编码、UNet去噪、VAE潜变量的三件套推理链路,给出diffusers文生图工作流、Prompt三段式与采样器权衡,并用LoRA做画风定制实战,点明显存与版权边界。

雨1986的博客 382

jre9下载 jdk9

(Java SE Runtime Environment 9.0) 9.0u175 官方最新版 【x86|x64】

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

深度学习21:扩散模型原理——从 DDPM 到 Stable Diffusion

GAN之后,扩散模型凭「逐步加噪—学习去噪」在生成质量与稳定性上全面反超,成为Stable Diffusion、Sora的引擎。本文推导前向闭式加噪与反向预测噪声的MSE目标,解释DDIM加速与Latent Diffusion原理,附NumPy实测与PyTorch实现。

雨1986的博客 607

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

AI绘画:采样步数对出图质量的影响实测

实测表明,采样步数并非越多越好。在DPM++ 2M Karras采样器下,20-30步已达画质巅峰,30步后边际收益趋近于零,50步以上纯属浪费时间。不同采样器最优步数各异,其中UniPC在低步数(8-12步)即能媲美高步数效果,适合快速迭代。推荐日常出图使用25步,追求质量可至30步,兼顾效率与画质,避免盲目堆步数。

不踩坑,不知道坑有多深;不总结,踩过的坑白踩。 1万+

IDEA的使用指南

IDEA基于java的使用手册,可以最快速的上手,在使用中不断的丰富自己的使用技巧.

上一篇: 【Stable Diffusion】用AI绘画给老照片上色,岁月不改它模样
下一篇: 【Stable Diffusion】SD迎来动画革命,AnimateDiff快速出图
不秃头de程序猿
博客等级 码龄5年 4091粉丝 1482原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值