SD绘画 | ControlNet应用-Segmentation(语义分割)：轻松搞定室内设计

最新推荐文章于 2025-02-18 11:56:14 发布
最新推荐文章于 2025-02-18 11:56:14 发布
阅读量767 收藏
点赞数 2
分类专栏： Stable Diffusion绘画 文章标签： stable diffusion AI作画 ai AI 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/fenqi1989/article/details/141948708
版权

Segmentation(语义分割) 经常被用于室内装修设计使用，是指对画面中不同的内容，使用不同的颜色色块进行划分。

上传图片，控制类型选择「Segmentation(语义分割)」，点击💥，生成预览图如下：

只要被语义分割成功识别的色块内容，不管如何刷新页面，生成图片的内容都会被很好的固定住，

不会像其他控制类型那样，每次生成的物品都不一样。

生成图片如下：

今天先分享到这里~

开启实践：SD绘画 | 为你所做的学习过滤

SD-AANet：Self-Distillation + 注意力模型用于小样本分割任务
李响
11-08 1950
本文是小样本语义分割系列的第四篇解读，每一篇的方法都具有代表性且不同，同系列的文章链接也在文末给出了（分别是 CWT-for-FSS、GFS-Seg 和 CD-FSS）。很多读者在刚学习小样本时可能觉的真的只需要少量样本就可以完成全部的学习过程，这不完全正确，实际上在训练的过程中我们仍然需要大量的样本，只不过我们在测试的时候，我们可以对未曾在训练集中出现过的测试图像类只用几张甚至一张 Support 图像（或者理解为在推理过程中用到的训练图像）来达到对所谓的 unseen 类的分割。
Stable Diffusion绘画 | ControlNet应用-Lineart(线稿)：轻轻松松画线稿
Leo-Fighting的博客
08-14 1754
PS：Stable Diffusion 识别和生成的线稿都是黑底白线的，跟现实中白底黑线的线稿图刚好相反，需要先将上传的图片转成黑底白线的效果，选择预处理器「invert」另外，Lineart(线稿) 也适合用来实现手稿转绘的效果。专门用来提取线稿的算法。
语义分割标记单张图片
微信号：Custom-Software
04-21 2456
下面是安装labelme软件 标记需要一个一个按照四周进行标记 X表示文件夹名字 标记完之后，输出一个x文件夹，文件夹内容如下图所示： 参考文献：https://www.bilibili.com/video/BV1k3411L7nL/?spm_id_from=333.788 ...
PS才是真科研利器，助力快速分割标注工作
qq_44840741的博客
11-04 2929
本文针对语义分割任务打点标注工作太繁琐、边缘位置不精确等问题提出基于PS的快速语义分割标注方法，后续会推出语义分割系列数据集构建与转换方法。
2025最新controlnet详解：Segmentation语义分割的使用方法
最新发布
阿道夫的博客
02-18 826
本文提供一个全面的教程，指导用户如何在Stable Diffusion（SD）中利用【controlNet】Segmentation功能进行AI绘图的语义分割。文章通过实际操作示例和详细步骤，展示了如何通过语义分割来精细化调整图像的细节，增强AIGC创作的灵活性和创意表现力。segmentation简称SEG，SEG可以让你的构图更加可控，并且在结合multi control net以及latent couple等功能后更强大。
2024最新controlnet详解：Segmentation语义分割的使用方法
Yu91an的博客
06-29 3697
本文提供一个全面的教程，指导用户如何在Stable Diffusion（SD）中利用【controlNet】Segmentation功能进行AI绘图的语义分割。文章通过实际操作示例和详细步骤，展示了如何通过语义分割来精细化调整图像的细节，增强AIGC创作的灵活性和创意表现力。segmentation简称SEG，SEG可以让你的构图更加可控，并且在结合multi control net以及latent couple等功能后更强大。
推荐：室内场景分割利器——Indoor-segmentation
gitblog_00065的博客
06-19 1086
推荐：室内场景分割利器——Indoor-segmentation 去发现同类优质开源项目:https://gitcode.com/ 在现代科技的推动下，机器人导航与环境理解的能力越来越受到重视。为此，我们向你推荐一个基于TensorFlow的深度学习模型——Indoor-segmentation。这个项目实现了DeepLab-ResNet架构，专门针对室内场景进行精细化分割，有助于提升机器人的自主...
Stable Diffusion绘画 | ControlNet应用-OpenPose：姿势随心所动
Leo-Fighting的博客
08-12 559
如果生成的图片，觉得存在脸崩的问题，可以开启 ADetail 来修复。
Stable Diffusion绘画 | ControlNet应用-Recolor(重上色)：黑白图片焕发光彩
Leo-Fighting的博客
09-13 493
调整下方的「Gamma Correction」，可以控制生成图片的亮度，Gamma Correction值越小，生成图片亮度越亮，反之越暗。PS：如果是对展示照片上色，需要选择对应的真人模型，如果选择卡通模型，可能会存在上色异常的情况。最后，还可以指定图片中的颜色。
Stable Diffusion绘画 | ControlNet应用-SoftEdge(软边缘)：让转绘更柔和
2401_83048197的博客
08-12 397
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。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。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。Canny(硬边缘) 有时候捕捉的细节过多，其实有时候并不需要那么多的细节。
语义分割网络学习
weixin_48924581的博客
05-11 628
语义分割网络学习 依据下图：橙色-语义分割，绿色-实力分割，黄色-全景分割 骨干网络/年份 2014 2015 2016 2017 2018 2019 2020 1 FCN(VGG16) ParseNet Pyramid Scene Parsing Network DeepLab Context Encoding Network Dual Attention Network EfficientNet+ NAS-FPN 2 CNN+CRF Dilated ConvNet E-Net F
语义分割（Semantic Segmentation）方法
热门推荐
秀呀秀的博客
01-02 18万+
翻译来自：https://gist.github.com/khanhnamle1994/e2ff59ddca93c0205ac4e566d40b5e88 语义分割方面的资源：https://github.com/mrgloom/awesome-semantic-segmentation 1. 什么是语义分割 语义分割是当今计算机视觉领域的关键问题之一。从宏观上看，语义分割是一项高层次的任务，...
【语义分割】label2color2label_灰度标签彩色化、彩色标签灰度化
进一寸有一寸的欢喜
03-31 7381
项目代码 https://gitee.com/zengxy2020/csdn_label2color2label label来源 【deepfashoin】 +人体解析_self-correction-human-parsing、获得语义标签 0.应用背景 语义分割标签文件，一般为灰度，转换为彩色方便查看预训练模型在不同模型上推理结果。 GANs的很多模型，数据集需要彩色的语义便签、或灰度的语义便签训练，二者之间的转换是比较重要的。（例如 pix2pix |pix2pixhd） 1. la
根据语义分割二分类结果用不同颜色标注
qq_41246131的博客
10-21 298
语义分割结果在原图上标注
语义分割（Semantic Segmentation）之Ways
Maple__Boy
10-27 3498
语义分割（Semantic Segmentation）方法 1. 什么是语义分割 语义分割是当今计算机视觉领域的关键问题之一。从宏观上看，语义分割是一项高层次的任务，为实现场景的完整理解铺平了道路。场景理解作为一个核心的计算机视觉问题，其重要性在于越来越多的应用程序通过从图像中推断知识来提供营养。其中一些应用包括自动驾驶汽车、人机交互、虚拟现实等，近年来随着深度学习的普及，许多语义分割问题正在采用深层次的结构来解决，最常见的是卷积神经网络，在精度上大大超过了其他方法。以及效率。 什么是语义分割？ 语义分割是
语义分割数据处理识别区域添加不同的颜色标注
m0_69670384的博客
11-30 495
1: [255, 0, 0], # 红色 - 第一类。2: [0, 255, 0], # 绿色 - 第二类。3: [0, 0, 255], # 蓝色 - 第三类。4: [255, 255, 0], # 黄色 - 第四类。5: [255, 0, 255], # 紫色 - 第五类。6: [255, 0, 0], # 红色 - 第六类。colors: 定义不同骨头区域的颜色映射。# 将原始图像转换为RGB（如果不是的话）input_dir = 图片路径。为不同的区域添加不同的颜色。
语义分割算法RangeNet++语义标签颜色对应关系
u014374826的博客
06-17 1190
moving-motorcyclist（行驶的摩托车骑手）moving-other-vehicle（行驶的其他车辆）moving-bicyclist（行驶的自行车骑手）moving-on-rails（行驶的轨道交通）other-structure（其他结构）moving-person（行驶的行人）other-vehicle（其他车辆）moving-truck（行驶的卡车）other-ground（其他地面）moving-bus（行驶的公交车）moving-car（行驶的汽车）on-rails（轨道交通）
评论
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

打赏作者

肖遥Janic

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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