文生图画质升级指南:教你用 Stable Diffusion 产出高分辨率美图

『SD』文生图-如何生成高分辨率图片? 那如果需要生成一张高分辨率的照片,又不想出现这种诡异的情况要怎么办呢?我们可以使用 SD 提供的Hires. fix功能去放大图片。也就是我们先生成图片,基于这个图片的内容选择一个放大算法去提升图片的分辨率,然后基于这个基础上再整体重绘图片。768 x 512左图的分辨率是768 x 512,右图使用了Hires. fix功能放大了 2 倍。在使用Hires. fix出来的效果是不错的,细节也更加丰富,但随之而来的缺点也很明显,启用了Hires. fix。 阅读详情

点赞 + 关注 + 收藏 = 学会了

本文简介

在使用 SD 文生图功能时,我们能选得大模型大致有两类,一类是普通模型,另一类是更加新的 SDXL 模型。

普通模型就是 SD 的一些旧版模型,是将 SD 1.5 或 SD 2.0
作为底模开发出来的模型。这类模型也是我们现阶段用得最多的模型。它的基础分辨率是
512 x 512 像素。

如果我们需要将增加图片分辨率,直接修改文生图的
width 和 height 出来的效果并不会很好。有时候会还会出现多头的情况,例如下图这种情况。

01.png

出现这种情况的原因是画面变大了,人家原本擅长绘画的尺寸是 512 x 512 ,而你现在一下子就将画布变大了很多,AI
自由绘画的像素点就变多了,这就有可能出现不合理叠加等问题。

高清修复功能 Hires. fix

介绍

那如果需要生成一张高分辨率的照片,又不想出现这种诡异的情况要怎么办呢?

我们可以使用 SD 提供的 Hires. fix 功能去放大图片。

也就是我们先生成图片,基于这个图片的内容选择一个放大算法去提升图片的分辨率,然后基于这个基础上再整体重绘图片。

看看这个实例:

02.png03.png
768 x 5121536 x 1024

左图的分辨率是 768 x 512,右图使用了 Hires. fix 功能放大了 2 倍。

在使用 Hires. fix 出来的效果是不错的,细节也更加丰富,但随之而来的缺点也很明显,启用了 Hires. fix
对图片进行放大,出图的时间会大幅增长,配置不高的设备甚至会爆显存。如果配置不高的电脑尽量不要将图片放大得太多,建议不超2倍。

实操

接下来是实操环境。

咒语:

​

(best quality, masterpiece, perfect face, beautiful and aesthetic:1.2, colorful, dynamic angle), handsome beautiful woman humanoid woman robot part metal wires with wavy short dark hair, elegant, red lighting, realistic, concept art, smooth, detailed, high quality, alphonse mucha and waterhouse,, <lora:add_detail:0.5>, (high contrast, official art, extreme detailed, highest detailed)
Negative prompt: portrait, doll, (leaning against wall:1.3), (asian, chinese:1.3), (worst quality, low quality), FastNegativeV2
Steps: 20, Sampler: DPM++ 2M SDE, Schedule type: Exponential, CFG scale: 6, Seed: 2055601004, Face restoration: CodeFormer, Size: 768x512, Model hash: 07341fcad2, Model: aniverse_v30Pruned, Downcast alphas_cumprod: True, Version: v1.9.3

​
​

  * 1
  * 2
  * 3
  * 4

​

本例用到的模型下载地址:文末领取~!

首先我们导入咒语,你也可以设置自己的提示词和参数。然后设置图片的宽高。这里我选择的是 768 x 512 ,也就是一张横屏的图片。

04.png

然后选择上图中红框上方的 Hires. fix。选中后展开它,在 Upscale by 这一项中设置 2 ,也就是等比放大2倍。

05.png

接着我还将 Denoising strength 设置成 0.6
,这个参数的意思是重绘幅度。在高清修复后还会对图片进行整体重绘,这个数值越高,重绘出来的图片就会和原图相差很大。

最后点击生成按钮。

03.png

Hires. fix 参数讲解

在 Hires. fix 面板中还有很多参数可以配置。

放大算法 Upscaler

Upscaler 选项中可以选择不同的高清算法对图片进行放大。

  • Latent:Latent开头的算法是一种简单直接的放大算法,对电脑配置要求不高,速度很快 ,但出图效果不是很好 ,可能会出现模糊不清晰等情况。
  • Lanczos:当放大图像时,它通过计算权重,在原图的每个像素周围插入新的像素;当缩小图像时,它会从原图每个像素周围的像素中选择一个值来替换这个像素。这个算法的运算速度也算快 ,出图效果也还行 ,能用。
  • Nearest:是一种插值算法,通过缩放系数计算目标图像在原图中的坐标位置,然后找到原图中距离该位置最近的像素值,将其作为目标图像当前像素的数值。运算速度很快 ,但可能会产生锯齿或者块状瑕疵 ,效果不太好。
  • ESRGAN_4x:通过学习低分辨率图像与其对应高分辨率图像之间的映射关系,实现从低分辨率图像到高分辨率图像的映射过程,进而实现图像的超分辨率。分辨率最高可增强4倍,但可能会出现锐化效果。适合油画风 。
  • LDSR:通过训练的潜在扩散模型来提升图像的分辨率,出图效果很好 ,出图的细节全给你拉满,但很吃电脑资源,运算速度也很慢,可以用龟速 来形容了。
  • R-ESRGAN 4x+:通过引入残差连接和递归结构,并使用生成对抗网络进行训练,在提高图像分辨率的同时也完善了图像细节,生成图像的质量比传统方法更高 ,推荐。
  • R-ESRGAN 4x+ Anime6B:是 R-ESRGAN 4x+ 的一个衍生版本,修复二次元漫画的效果很好 。
  • ScuNet GAN:可以去除图像噪声,同时保留原始细节,但速度慢。可以去除照片和绘画的早点。不太适合二次元漫画 ,但也勉强能用。
  • ScuNET PSNR:降噪效果很好,适用于需要保持更多图像细节、纹理、颜色等信息的处理场景,速度也很慢。不适合二次元漫画 。
  • SwinIR 4x:可将低分辨率图像发达为原来的4倍,生成高分辨率图像。可增强图像的真实感和清晰度。适用于图像重建、图像增强和图像超分辨率等方面,但出图速度很慢,适合修复绘画,不适合二次元漫画 。

在使用 Hires. fix 放大算法之前可以看看你正在使用的模型的作者有没有推荐使用什么放大算法,如果有的话就按照作者推荐的去选择就好了。

在写本文时,为了快速生成图片所以才选了 Latent。

放大倍数和手动调整宽高

放大倍数:通过调整 Upscale by 可以等比放大原图,这个参数是比较常用的。但电脑配置不太高的工友建议不要把该值设置得大于2。

手动调整宽高:Resize width to 和 Resize height to 可以分别调整图形的宽和高,会修改原图的比例。不建议使用。

设置了 Resize width to 和 Resize height to 后,Upscale by 就不生效了。

高分迭代步数 Hires steps

Hires steps 是高分迭代步数,默认值是0,0的意思是使用文生图设置的迭代步数。

如果你重新设置这个值,它生成的画质就会有所不同,数值越高出来的图片精细度就越高。但数值也不是设置得越高越好,比如某些图片设置了60,出来的效果和你设置30是差别不大的。但数值越高出图速度也就越慢。是有边际效应的。

重绘幅度 Denoising strength

Denoising strength 重绘幅度,这个值会影响出图效果。数值远大,出来的图片和原图的差距就越大。

如果不想改变原图的效果这个数值可以设置在0.5以下。但 Denoising strength
的值最终设置多少合适,还是要看你使用了什么底模,有时候设置得太小出来的效果也会很奇怪,画面四周的像素可能会出现很模糊的情况。例如下图是将该值设置成0.3的效果。

06.png

可以看到这个图片的质量并不是很好,脸部细节确实更清晰了,但衣服和背景都糊了。

具体还是要看你生成的图片风格再做参数的微调。

高分模型 Checkpoint

07.png

最后还可以通过选择不同的模型、不同的模型采样算法、正反向提示词对原图进行修改。这意味着你可以基于原图的基础上进行调整。

但默认是没有上图这些选项的,需要在 设置里手动开启 Hires fix: show hires checkpoint and sampler selection 和 Hires fix: show hires prompt and negative prompt,然后保存并重启UI。

08.png

比如我想将上图人物的头发改成粉色,那么我在正向提示词里输入 pink hair ,生成的人物头发就出现一丝粉色。

09.png

注意,是在Hires. fix 的正向提示词输入框里输入提示词,而不是在原来底模下方的输入框输入!!!

10.png

写在最后

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。
在这里插入图片描述

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。
 
在这里插入图片描述

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

在这里插入图片描述

stable diffusion学习笔记——高清修复 以上问题说明了,玩ai画图,需要掌握提高画图分辨率的方式,同时要掌握方式对应的技巧,避免出现画面内容的问题。 阅读详情

相关推荐

Stable Diffusion绘画 | 文生图-高分辨率修复-Hires.fix

开启「高分辨率修复」的作用是,提高图片分辨率,增加细节,从而让画面变得更清晰。之所以不采取直接通过调整宽高来提高分辨率,是因为。「高分辨率修复」的「高分辨率修复」的以下两项即可。

Leo-Fighting的博客 1364

AI绘图的场景应用:文生图、图生图

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。感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。

qq_41314882的博客 7664

AI换脸实战:用ReActor插件在Stable Diffusion中打造冰雪奇缘AI写真

在AIGC内容创作领域,图像生成与编辑技术正不断降低创意表达的门槛。其核心原理在于利用深度学习模型,如Stable Diffusion,学习海量图像数据分布,从而实现从文本描述到高质量图像的合成。这项技术的核心价值在于,它能够将复杂的艺术创作过程简化为直观的交互操作,极大地提升了数字内容的生产效率与个性化程度。其应用场景广泛覆盖了数字艺术、个性化头像制作、角色扮演以及社交媒体内容创作等领域。本文聚焦于一个具体而实用的工程实践:如何利用Stable Diffusion WebUI及其ReActor插件,实现高

chuange6363的博客 549

神经网络 专业术语解释(Step, Batch Size, Iteration,Epoch)

1. 名词解释Step: 训练模型的步数Batch Size(批尺寸): 计算梯度所需的样本数量,太小会导致效率低下,无法收敛。太大会导致内存撑不住,Batch Size增大到一定程度后,其下降方向变化很小了,所以Batch Size是一个很重要的参数。Epoch(回合):代表样本集内所有的数据经过了一次训练。Iteration(迭代):理解迭代,只需要知道乘法表或者一个计算器就可以了。迭代是 b...

tracylining的专栏 2万+

AutoDL云端部署Stable Diffusion:零基础实战指南与性能优化

深度学习模型部署是AI应用落地的关键环节,其核心在于将训练好的模型在特定硬件环境中高效、稳定地运行。对于计算密集型任务,如文生图、图生图等生成式AI应用,通常需要强大的GPU算力支持。云端GPU租赁服务为此提供了灵活的解决方案,它允许用户按需调用高性能计算资源,避免了本地硬件的高昂投入和环境配置的复杂性。在众多云端平台中,AutoDL以其开箱即用的预配置环境和亲民的价格,成为个人开发者和爱好者快速部署AI应用的热门选择。本文将以部署Stable Diffusion WebUI这一具体任务为例,详细解析在Au

cuixie2370的博客 469

AI生图工程化:从概念图到可商用数字资产的完整工作流

如果你是一名开发者,最近在尝试用AI生成图片,或者想为自己的项目、博客、PPT找一些高质量的配图,那么你很可能已经遇到了一个共同的困境: 生成的图片确实好看,但想真正“用”起来,却总感觉隔着一层。 你可能会发现,AI生成的图片要么分辨率不够,放大就模糊;要么风格不统一,难以形成系列;要么就是版权归属不明,不敢商用。更让人头疼的是,那些惊艳的“效果图”往往只存在于演示中,当你自己动手时,却很难复现出同样的质量。 今天要讨论的,正是这个看似简单、实则暗藏玄机的环节: AI生图后的“交付”与“可用”问题。 很多人

weixin_42523543的博客 345

T5、BERT、Stable Diffusion等10大AI模型选型实战指南

自然语言处理(NLP)与计算机视觉(CV)是AI落地的两大核心范式,其技术选型本质是任务类型与模型能力的精准匹配。T5将所有NLP任务统一为文本到文本生成,适合结构化摘要、指令驱动的文本重构;BERT专注双向语义理解,是命名实体识别、情感分类等判别式任务的基石;Stable Diffusion以开源扩散架构重塑图像生成生产力,支持可控创意输出。理解模型的设计哲学——如T5的task prefix机制、BERT的上下文编码能力、SD的条件去噪流程——比关注参数量更能规避工程陷阱。本文聚焦工业级真实场景,覆盖文

weixin_34236869的博客 425

多模态AI大模型入门:从核心原理到实战应用

多模态AI是人工智能领域的重要发展方向,它旨在让机器像人类一样,能够同时理解和处理文本、图像、音频、视频等多种信息形式。其核心原理在于通过统一的Transformer架构和对比学习等技术,将不同模态的数据映射到同一个语义空间,实现跨模态的深度对齐与关联。这一技术突破带来了巨大的应用价值,使得AI能够执行更复杂、更贴近真实世界的任务,例如图文问答、内容生成和智能分析。在实际应用中,开发者可以通过调用云API(如GPT-4V)或本地部署开源模型(如Llava)快速构建应用,并利用LoRA等高效微调技术定制专属模

weixin_34294649的博客 423

智谱AI GLM-Image测评:轻松生成8K级精美图片

本文介绍了如何在星图GPU平台上自动化部署智谱AI GLM-Image 文本生成图像模型的 Web 交互界面镜像,实现本地化、高精度AI图片生成功能。用户无需复杂配置即可快速启动WebUI,在RTX 4090等单卡环境下稳定输出2048×2048高清图像,广泛应用于电商主图设计、国风数字内容创作及教育可视化等典型场景。

weixin_30700095的博客 157

生成式AI操作手册:8小时建立人机协作操作直觉

生成式AI正从技术概念走向职场基础工具,其核心价值不在于理解大模型原理,而在于掌握文本生成、图像生成、结构化数据处理与跨模态提示控制等高频落地能力。基于认知负荷理论设计的短时高效学习路径,强调提示词工程的结构化实践而非玄学技巧,通过角色锚定、任务切片、约束显化等方法提升输出稳定性与可信度。该能力已深度适配教育、法务、医疗、市场等垂直场景,支撑会议纪要自动化、周报价值升维、PPT智能配图、合同变量填充等真实工作流。本文聚焦非技术用户如何在无GPU知识、不读transformer公式前提下,快速构建可迁移的AI

dechen6073的博客 488

Rocky Linux 9 离线环境Docker部署实战:从依赖打包到服务启动

本文提供了一份详尽的Rocky Linux 9离线环境Docker部署实战指南。针对无法访问外网的生产或内网服务器,文章详细讲解了如何在联网跳板机上下载Docker二进制包及所有系统依赖RPM包,并完成打包。随后,手把手指导在离线服务器上进行依赖安装、二进制文件部署、systemd服务配置、SELinux与防火墙调优,最终实现Docker服务的成功启动与验证。

weixin_28363123的博客 144

[具身智能-290]:常见的图像和视频生成库和工具

当前图像与视频生成领域正经历着从静态创作到动态叙事、从单一工具到一体化平台的快速演变。以下为你梳理当前主流的生成式AI工具与平台,它们覆盖了从创意发想到成品输出的全流程。

文火冰糖(王文兵)的博客 180

AI视频生成提示词工程:结构化公式与实战案例详解

在实际使用 AI 生成视频或图像时,最常遇到的困惑是:为什么我的提示词(Prompt)生成的画面总是不理想?是模型能力不足,还是我的描述有问题?答案往往是后者。提示词工程(Prompt Engineering)并非简单的“翻译”需求,而是一门需要结构化思维和精准描述的技能。它决定了 AI 能否准确理解你的意图,并生成符合预期的视觉内容。 本文将通过两个核心案例,深入拆解提示词的构建逻辑。第一个案例聚焦于“文生视频”,我们将学习如何将一个简单的想法,如“小猫在雪地里玩雪球”,通过结构化公式扩展为一段富有细节和

weixin_30800987的博客 566

体验AI大模型省钱攻略:云端GPU按需付费,比买显卡省万元

本文介绍了如何通过星图GPU平台自动化部署📄 AI 智能文档扫描仪 -镜像,实现高效、低成本的AI应用开发。该平台支持按需付费,用户可快速搭建文档扫描与识别环境,适用于合同数字化、票据信息提取等典型场景,显著提升办公自动化效率。

BlackironPanther23的博客 282

dify1.3.1应用服务与数据服务分离,附件及插件包迁移至minio,实现离线部署,保证插件正常运行

dify1.3.1应用服务与数据服务分离,附件及插件包迁移至minio,实现离线部署,保证插件正常运行

Time_1023的博客 1874

2D Nesting Defining a CSV File of Part Data

若。

qq_36560674的博客 1862

BEYOND REALITY Z-Image性能优化:减少显存占用的实用技巧

本文介绍了如何在星图GPU平台上自动化部署🌌 BEYOND REALITY Z-Image镜像,并优化其显存使用以提升AI图片生成效率。通过调整模型版本、分辨率和采样参数等实用技巧,用户可在有限硬件条件下流畅生成高质量人像图片,适用于艺术创作和视觉内容制作等场景。

weixin_32661831的博客 220

AI绘画进阶:从单图生成到系列化视觉叙事的技术实现

在AIGC(人工智能生成内容)领域,Stable Diffusion等扩散模型已成为图像生成的核心技术。其原理是通过学习数据分布,逐步去噪生成高质量图像,为创意工作提供了前所未有的可能性。然而,从生成单张图片到构建风格统一、角色连贯的系列化视觉内容,是技术价值从工具层面向工程化、系统化应用跃迁的关键。这涉及到角色一致性、风格控制、批量生产等核心挑战,直接关联到虚拟IP打造、营销素材制作、游戏美术等实际应用场景。本文以近期热门的“AI星座恋综”项目为例,深入探讨如何利用LoRA微调、ControlNet控制、

weixin_30787531的博客 331

endNote X9 增加 / 删除参考文献 文献编号自动更新

EndNote X9 插入参考文献常见问题总结。增删参考文献 文献编号自动更新

程序员,他们想的是什么?他们想的永远都是技术,他们崇尚的也永远都是技术。 7498

漫画安全HIDS、EDR、NDR、XDR

漫画安全HIDS、EDR、NDR、XDR

墨痕诉清风的博客 3447

美胸-年美-造相Z-Turbo实战案例:电商人像海报、社交头像、创意写真生成演示

本文介绍了如何在星图GPU平台上自动化部署美胸-年美-造相Z-Turbo镜像,实现高效AI绘图。该工具通过简单的文本描述,即可快速生成高质量图片,其核心应用场景之一是快速制作电商人像海报,帮助用户低成本、高效率地产出营销素材。

weixin_31961675的博客 404

yolov5直接调用zed相机实现三维测距(python)

zed代码比较简洁,但是一定要把环境配置好,后续自己会把他当做普通双目标定,去对比分析效果,并完善相关功能。

积极向上的mr.d的博客 1万+

Grok Image 2.0本地部署指南:基于深度学习的图像修复实战

图像修复(Image Inpainting)是计算机视觉领域的一项核心技术,旨在智能地填补图像中的缺失或损坏区域。其原理通常基于深度学习模型,通过编码器-解码器架构(如U-Net)学习图像上下文语义,并利用注意力机制或生成对抗网络(GAN)生成与周围环境协调的新内容。这项技术的核心价值在于能够自动化处理传统方法难以应对的复杂破损,如大面积划痕、污渍和人脸模糊,极大地提升了修复效率与质量。在应用场景上,它特别适用于老照片修复、影视特效、文物数字化保护等需要高保真还原的领域。本文将以开源模型Grok Image

weixin_34406086的博客 363

贝叶斯统计 [韦来生编]

贝叶斯(Bayes)统计是近几十年来迅速发展起来的数理统计的一个重要分支。贝叶斯方法与经典统计方法的主要不同之处是进行统计推断时除了利用样本信息外,还要利用参数的先验信息,因此可以提高统计推断或统计决策的效果。它在经济、金融、生物、医学、自然科学和社会科学等许多领域具有广泛的应用。贝叶斯方法的研究已渗透到了统计学的几乎所有领域。作者在给中国科学技术大学概率论与数理统计专业本科生开设的“数理统计”课程中有一章专门讲授“贝叶斯方法和统计决策理论”,近十年来也给中国科学技术大学概率统计专业研究生开设过几次“贝叶斯分析”课。本书是在对过去讲稿的内容作了适当的增减和调整的基础上完成的。  本书共分六章。第1章是绪论,介绍了贝叶斯统计的若干基本概念,同时对必要的数理统计的基础知识有重点地作了回顾。第二章介绍了确定先验分布的若干可供选择的方法。第三章介绍了几类常见统计模型参数的后验分布的主要结果和计算方法。第四章和第五章分别介绍了“贝叶斯统计推断”和“贝叶斯统计决策”的内容。第六章介绍了贝叶斯统计计算的若干方法,包括蒙特卡洛方法和马尔可夫链蒙特卡洛(MCMC)方法以及相关统计软件的简介。本书的每一章附右大量的例题和习题,书末附有常用的几个表格和部分习题解答供读者查用。  大约可在54学时内讲授本书的第1章至第六章的主要内容,教师可根据学时需要选讲本书第1章至第六章的部分内容。书中标“*”号的章节可略去不讲,留给读者作为阅读材料。第六章例题中的R代码和部分例题的数据文件等可从作者个人主页下载。  作者在编写本书的过程中参考了J.O.Berger教授的《统计决策论及贝叶斯分析》和茆诗松教授编写的《贝叶斯统计》等书中的一些内容,以及《贝叶斯分析》一书中由张伟平博士编写的有关贝叶斯统计计算的一些内容。在此表示衷心感谢。  本书编写准备过程中,中国科学技术大学统计与金融系的几个研究生帮助完成了本书部分中文的录入和排版,作者对他们的辛勤工作表示真诚的感谢。高等教育出版社为本书的出版给予了大力支持。在此一并致谢。

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

如何使用StableDiffusion对图片进行高清、优化、放大

今天这篇文章,主要想分享下如何优化图片,核心目的就是让图片变得更好看。StableDiffusion默认生成的图片分辨率为512*512,“只可远观,不可近赏”来形容怕是再合适不过了。好不容易抽到了一张自己心仪的图,但苦于颜色暗淡,分辨率低下,有什么办法能在原画的基础上,让它的细节更丰富吗?答案是肯定且简单的。2、调整数据(高分迭代步数、重绘幅度)2.1高分迭代步数:是StableDiffusion等图像生成模型中的一个关键参数,控制生成过程中的迭代次数。

yihanss的博客 2735

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

StableDiffusion下载部署及相关参数介绍

链图片转存中…(img-AHeye7zX-1703487221058)]此时,可以从宽度/高度中调整种子,将宽度和高度设为原图的值,如图7-34所示,随后生成的图片结果如图7-35所示。可以看到,虽然小狗的模样仍然发生了变化,但也保留了原图中小狗的很多特征,例如毛色。如果提示语对小狗的外貌描述得更详细,甚至可以得到更好的效果。[外链图片转存中…(img-jPEzeKpA-1703487221058)][外链图片转存中…(img-xiYdBcFv-1703487221059)]

superheromen的博客 2145
上一篇: 颜值焕新术:SD 人脸修复 + 局部重绘技巧全解析
下一篇: 掘金 AI 时代:20 个高潜力变现赛道,错过再等一年
壹只小小码农
博客等级 码龄5年 8105粉丝 1333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