AI绘画教程 Stable Diffusion中如何控制人像的姿势？

原创已于 2024-12-29 20:35:50 修改 · 895 阅读

12 ·

CC 4.0 BY-SA版权

文章标签：

#AI作画 #人工智能 #AI教程 #美女 #stable diffusion #SD #SD课程

于 2024-12-26 09:45:41 首次发布

在AI绘画中，有时候我们需要主角（人物或动物）摆出特定的姿势，该怎么做呢？

第一种方法：以图生图

打开Stable Diffusion界面，点击imag2img

下面出现一个”drop image here or click to
upload”的方框，从网上找一张你希望呈现的姿势图片，比如一个老鹰，姿势：双眼盯着远方。把这张图片拖拽到方框，或者从本地电脑上传。

然后在提示词框里输入提示词，比如：a dragon ,然后点击generate生成图像。但是这样生成的图像，姿势不好控制，有些会比较像，有些差很远。

第二种方法：使用ControlNet。这是一个很强大的stable
Diffusion插件，可以精准的控制AI绘画中人物或动物的姿势，从而生成很多好玩有创意的图片。

比如，穿上钢铁侠战衣的擎天柱：

现在大部分stable
Diffusion的colab包都自带ControlNet，如果你使用的版本里没有，可以打开extensions，在安装时勾选ControlNet

下载ControlNet模型那一栏，选择通用的姿势控制模型ControlNet_openpose(也可以都选)

现在，打开stable Diffusion，可以在提示词框下面看到control net的按钮

有一个Enable的方框，勾选，就启用control net了。

我们来测试下control net的效果。先不启用control net，输入提示词，生成如下图片，可以看到图片中人物的姿势各异。

然后我们上传一张瑜伽动作姿势的图片到control
net，然后勾选enable,Preprocessor选择openpose，Model选择openpose-sd21-safe [2be3125b]

再次点击generate按钮，这时候生成的图片基本保持了和上传图像中的瑜伽动作

但是，这个动作和源照片中的瑜伽动作差距有些大，生成效果不是很理想。这不是插件的问题，而是选用的模型不太对。

Control net的Preprocessor有很多种模型可选：canny、depth、depth_leres、hed、mlsd、

normal_map、openpose、openposehand、clip_vision、color、pidinet、scribble、fake_scribble、segmentation、binary。这些都是什么意思呢？

Openpose：最常用的模型，采取图片中的人物骨架做为参考，以生成图片。用于人物动作。

Canny：撷取图片中的边缘线做为参考，以生成图片

mlsd ：撷取图片中明显的直线做为参考，以生成图片。一般用于建筑、物体的检测，常用于室内装潢，建筑设计

Hed：撷取图片中的特征做为参考，以生成图片。也是边缘提取，跟canny类似

Scribbles：手稿模型撷取使用者提供的线条做为参考，以生成图片。可以把随手画的涂鸦生成精美的画面

Segmentation：将图片化为大略的色块作为参考，以生成图片

Depth：提取深度检测信息，可以生成具有同样深度结构的图。

normal：模型识别，跟深度图有点类似，但对于细节的保留更加的精确。通过读取原图片中的深度信息和法线背景阈值。

Pidinet：检测图像中的曲线和直线条，然后生成图片。生成的结果和HED有些相似。不过，细节会少一些。

Fake Scribble：从成品图中提取出草图，和涂鸦是倒过来的。

总结下，这些不同的模型采用的不同方法来控制姿势，并没有谁更好谁更差，而是需要根据需要和图像特征来选择对应的合适模型。

通常来说，对于人像，HED 模型可以最精准的复制人物动作。Canny 、
depth、normal也不错，但是有时可能会有一些变形。从上面图像来看，不仅复制了动作，还复制了、发型和衣服，效果不是很理想。OpenPose在复制动作的同时，则没有死板的去复制衣服和发型，而是精准的生成提示词中的内容，可以说是形神兼备，效果最佳。mLSD则完全不适合人像，复制效果非常差。

回到最开始的例子中，将preprocessor模型从openpose改成hed，可以看到生成图片中人物的动作和源图片中的人物动作一模一样，精准还原。