换装太慢?成本太高?用这个SD插件处理服装太给力了!

【电商】AI模特 面部修复 + adetailer GitHub - Bing-su/adetailer: Auto detecting, masking and inpainting with detection model.Auto detecting, masking and inpainting with detection model. - GitHub - Bing-su/adetailer: Auto detecting, masking and inpainting with detection model.https://github.co 阅读详情

这个插件主要用于修复面部问题并为面部和手增加细节。目前,ADetailer包含了14个不同的模型,每个模型都有其独特的用途。我已经对其中大部分模型进行了对比分析。但有一个特殊的模型——DeepFashion,我之前并未介绍,因为它与其他模型有所不同。在这篇文章中,我将详细介绍DeepFashion。

# DeepFashion的核心功能

DeepFashion模型的核心功能是处理服装。这个模型的数据集包括来自13个流行服装类别的80多万件服装。使用DeepFashion模型,ADetailer能够检测图像中的服装,并进行分割,以便进行单独处理。

img

我们都知道,Stable Diffusion的自然语言理解能力较弱,无法与DALL-E和Midjourney相提并论。例如,使用SDXL模型生成的这张图片,其提示词是“1位女孩,面带微笑,晨光打在脸上,黑色丝质吊带衫,领口处有精致的蕾丝边,酒红色格子高腰半身裙,全身拍摄,凉鞋,古色古香的鹅卵石街道,景深,虚化”。但是,女孩裙子上的格子图案并没有被体现出来。提示词越长,遗漏的细节就越多。

img

而使用DeepFashion后,可以看到明显的改进,如裙子上的格子图案就被准确体现出来了。

img

再比如,解决提示词污染的问题。例如,一张图片的背景是柠檬黄色,但Stable Diffusion可能会错误地将柠檬图案应用到女孩的裙子上,如下图所示:

img

这时,使用DeepFashion可以有效解决这一问题。它会将裙子单独分离出来,并使用专门的提示词进行描述。这样,如果提示词中不包含“柠檬”,裙子上就不会出现柠檬图案。

# 安装DeepFashion模型

以下是DeepFashion模型的详细安装过程:

1️⃣Adetailer插件安装

首先,确保已经安装了Adetailer插件。如果尚未安装,可以参考上一篇文章中的步骤进行安装。安装Adetailer是使用DeepFashion的前提条件。

2️⃣下载DeepFashion模型

安装Adetailer插件后,DeepFashion模型不会自动出现在模型列表中。要使用DeepFashion,您需要手动下载它。模型的下载链接是:

https://huggingface.co/Bingsu/adetailer/tree/main。

3️⃣进入下载页面

在浏览器中输入下载地址后,你将被引导至HuggingFace下载页面。在这里,所有可用的模型都会被列出,你可以找到位于列表首位的DeepFashion模型。旁边有一个下载按钮,点击该按钮开始下载。

img

4️⃣移动模型文件

下载完成后,将下载的模型文件移动到Stable Diffusion的 “webui/models/adetailer” 文件夹内。这一步骤是必要的,以确保WebUI能够正确识别并加载模型。

5️⃣重启WebUI

将DeepFashion模型文件放置在正确的文件夹后,需要重启WebUI。重启后,DeepFashion模型应该出现在Adetailer的模型列表中,这意味着它已经准备好使用了。

安装完成以后,让我们通过两个案例,身临其境,体验DeepFashion的用法。

# 案例一:使用DeepFashion解决衣物图案问题

1️⃣ 生成初始图片:

  • 打开WebUI界面。
  • 选择模型:“MajicmixRealistic”(在下一个案例中将使用SDXL模型)。
  • 提示词内容:“在现代艺术画廊里穿着亮片裙子的女孩儿”。
  • 根据需要调整其他参数。
  • 点击“生成”查看效果。

img

为了更好地说明问题,我生成了几张不同的图片。从中选取了三张展示出来。可以看到,衣服上的亮片或金色部分错误地出现在了背景中。

img

2️⃣ 使用DeepFashion解决问题:

  • 首先生成一张衣服上没有亮片图案的底图。
  • 指定裙子的颜色为黄色,以避免生成黑色裙子导致亮片不明显。
  • 将“gold sequin pattern”从提示词中剪切出来,稍后在Adetailer中使用。

img

  • 先不勾选Adetailer插件。

img

  • 如遇提示词污染问题,将黄色添加到Cutoff插件中,确保背景不会出现金色亮片。

img

  • 生成底图。

img

3️⃣ 添加亮片效果:

  • 固定随机种子,勾选Adetailer插件。
  • 在Adetailer的模型列表里选择DeepFashion。
  • 使用刚才剪切的“gold sequin pattern”作为提示词。

img

  • 展开“Inpainting”设置,调整“Inpaint denoising strength”(重绘去噪强度)至0.6。

img

  • 生成图片,并观察过程:

    • Stable Diffusion首先根据随机种子生成底图。
    • DeepFashion接管,识别裙子,并对其进行标注和处理。

img

4️⃣ 调整去噪强度以改善效果:

  • 如果亮片效果不足,可将去噪强度调至0.7再生成,观察效果。
  • 如需更多亮片,继续将参数调至0.8。

img

案例总结

DeepFashion能够有效地将服装从图片中分离出来进行单独处理,解决了提示词污染问题。这种技术特别适用于那些Stable Diffusion可能无法准确理解和渲染的复杂场景。

例如,使用albedobaseXL模型生成的图片中,绿色的裙子和柠檬黄的背景被准确分离,没有出现混淆。

img

而使用dreamshaperXL-Turbo模型生成的图片就出现了问题,背景中的柠檬黄色错误地出现在了裙子上。

img

在这种情况下,DeepFashion就显现出了其优越性,能够准确地处理和优化图片中的服装元素。

通过这个案例,我们可以看到,DeepFashion不仅提高了Stable Diffusion生成图像的质量,也为我们在图像生成过程中提供了更多的控制和创造力。

# 案例二:优化SDXL模型中的颜色处理

在Stable Diffusion的应用中,尤其是使用SDXL模型时,我们经常遇到提示词污染问题,特别是在处理颜色时。让我们通过一个实际案例,探索如何使用DeepFashion来解决这一挑战。

1️⃣ 设置与生成初步图片:

  • 模型选择:更换为SDXL模型。
  • 提示词设定:“年轻模特,时尚摄影,无袖祖母绿 A 字连衣裙,花朵蕾丝装饰,柠檬黄背景,漂浮的白色气球”。
  • 分辨率:设为832x1216。

img

  • 生成结果:希望得到的是白色气球,但图片中出现了黄色和绿色的气球。

img

2️⃣ 重复生成以寻求改善:

  • 第一次重新生成:去除了绿色气球,但仍有黄色气球。
  • 第二次重新生成:问题更加夸张,裙子上出现了花朵。

img

通过这个案例,我们看到了SDXL模型在处理特定颜色和元素时的挑战。虽然重复生成图片可能会带来一些改进,但结果仍然不稳定,且不符合我们的预期。为了解决这一问题,DeepFashion插件就显得尤为重要。

在接下来的内容中,我将展示如何使用DeepFashion来精确控制图像中的颜色元素,确保生成的图像更加符合我们的预期。

3️⃣ 尝试使用“BREAK”关键词:

  • 简化提示词:去掉“蕾丝装饰”。
  • 在“裙子”和“柠檬黄背景”之后加入“BREAK”关键词。

img

  • 生成结果:出现了黑色气球,背景颜色错误。

img

2️⃣ 多次尝试改进:

  • 再次生成:裙子和气球颜色正确,但背景色仍然不准确。
  • 最后一次尝试:颜色终于正确,但方法不稳定,依赖运气。

img

我们用抽卡的方式实现了想要的效果。但是可以看到,这种方法不稳定,得靠运气。接下来我们用DeepFashion实现更可控的效果。

1️⃣ 准备阶段:

  • 删除提示词中的“祖母绿”,准备稍后通过DeepFashion进行调整。
  • 生成图片,确保背景和气球颜色正确。

img

2️⃣ 应用DeepFashion处理衣服:

  • 固定随机种子。
  • 启用Adetailer插件,选择DeepFashion模型。
  • 添加描述:“祖母绿无袖 A 字裙,花朵蕾丝”。

img

  • 调整“Inpaint denoising strength”至0.7,然后生成。

img

  • 观察到裙子颜色主要仍是白色。

img

3️⃣ 增强效果:

  • 提高“Inpaint denoising strength”至0.8,再生成。

img

  • 尝试使用更高的0.9值,裙子变为祖母绿色,但边缘仍有白色残留。

img

4️⃣ 微调蒙版处理:

  • 调整“Mask Preprocessing”中的“Mask erosion/dilation”参数。

img

  • 将蒙版扩张设为12,生成图片,白边减少。

img

  • 进一步调整至16,几乎消除了所有白边。

img

# 结论与应用

DeepFashion作为Adetailer中的一个独特模型,可以独立处理服装,从而避免提示词污染问题,同时为服装增加细节。它不仅支持SD1.5模型,还支持SDXL模型。当你需要处理服装时,DeepFashion是一个值得考虑的选择。

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

对于0基础小白入门:

如果你是零基础小白,想快速入门AI绘画是可以考虑的。

一方面是学习时间相对较短,学习内容更全面更集中。
二方面是可以找到适合自己的学习方案

包括:stable diffusion安装包、stable diffusion0基础入门全套PDF,视频学习教程。带你从零基础系统性的学好AI绘画!

需要的可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

1.stable diffusion安装包 (全套教程文末领取哈)

随着技术的迭代,目前 Stable Diffusion 已经能够生成非常艺术化的图片了,完全有赶超人类的架势,已经有不少工作被这类服务替代,比如制作一个 logo 图片,画一张虚拟老婆照片,画质堪比相机。

最新 Stable Diffusion 除了有win多个版本,就算说底端的显卡也能玩了哦!此外还带来了Mac版本,仅支持macOS 12.3或更高版本。

在这里插入图片描述

2.stable diffusion视频合集

我们在学习的时候,往往书籍源码难以理解,阅读困难,这时候视频教程教程是就很适合了,生动形象加上案例实战,一步步带你入坑stable diffusion,科学有趣才能更方便的学习下去。

在这里插入图片描述

3.stable diffusion模型下载

stable diffusion往往一开始使用时图片等无法达到理想的生成效果,这时则需要通过使用大量训练数据,调整模型的超参数(如学习率、训练轮数、模型大小等),可以使得模型更好地适应数据集,并生成更加真实、准确、高质量的图像。

在这里插入图片描述

4.stable diffusion提示词

提示词是构建由文本到图像模型解释和理解的单词的过程。可以把它理解为你告诉 AI 模型要画什么而需要说的语言,整个SD学习过程中都离不开这本提示词手册。

在这里插入图片描述

5.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

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
这份完整版的学习资料已经上传优快云,朋友们如果需要可以微信扫描下方优快云官方认证二维码免费领取【保证100%免费】

【Stable Diffusion】ADetailer 图像精细化修复与优化 ADetailer是一款专注于图像细节处理的AI插件,主要应用于Stable Diffusion等图像生成工具。它通过自动检测面部、手部等关键区域,利用智能遮罩和修补功能提升图像细节质量。该插件支持多种专用模型(如面部、手部、人体检测),并允许用户自定义参数。虽然能显著提升图像真实感和精细度,但对硬件性能要求较高且设置较复杂。安装简单,只需在SD扩展中搜索安装,并可从HuggingFace下载补充模型。文章详细介绍了ADetailer的功能特点、应用场景、优缺点以及具体安装和使用方法。 阅读详情

相关推荐

【深度学习】【Python】【Deepfashion2】 YOLOv5训练Deepfashion2数据集

数据集介绍:https://github.com/switchablenorms/DeepFashion2 格式转到COCO (废弃章节) 废弃理由:转COCO出一个很大的json并非我目的,直接下个章节。参考:https://github.com/Manishsinghrajput98/deepfashion2coco_to_yolo_/tree/master/deepfashion2coco_to_yolo_下面代码有所改动,使用需要改写路径和路径即可。 把Deepfashion2的label直接转到

q742971636的博客 2875

这个AI绘画神器-----SD插件处理服装太给力了!

DeepFashion能够有效地将服装从图片中分离出来进行单独处理,解决了提示词污染问题。这种技术特别适用于那些Stable Diffusion可能无法准确理解和渲染的复杂场景。例如,使用albedobaseXL模型生成的图片中,绿色的裙子和柠檬黄的背景被准确分离,没有出现混淆。而使用dreamshaperXL-Turbo模型生成的图片就出现了问题,背景中的柠檬黄色错误地出现在了裙子上。在这种情况下,DeepFashion就显现出了其优越性,能够准确地处理和优化图片中的服装元素。

白帽阿叁的博客 3254

MuJoCo 相机图片怎么拿?视角调整获取物体图片及实时显示(附代码)

在Mujoco的仿真中,对于识别抓取场景来说,如何获得添加的body等物体的实时图像很重要,今天就分享下如何添加相机视角及可视化小方块(举例)的实时图片。复制一个scene.xml为scene_withcamera.xml,在xml中添加camera和小方块如下。设置xml文件中添加的相机body id。需要创建一个离屏渲染器。

darcsdn 2128

AI绘画新手必看,Stable Diffusion最强修脸插件来了!

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。

白帽阿叁的博客 2052

新手必看:5分钟搞懂FFT波束形成的底层原理(从阵列信号到频域处理)

本文深入浅出地解析了FFT波束形成的底层原理,从阵列信号采集到频域处理的全过程。通过音乐节场景类比和Python代码示例,帮助新手快速理解多目标波束形成的核心技术,包括频域转换、相位补偿和性能优化策略,适用于雷达、声呐和5G通信等领域。

pytorchlight8的博客 948

工业视觉开发者的福音:用C#玩转VisionMaster算子(非方案版完整教程)

本文为工业视觉开发者提供了一份完整的C#与VisionMaster算子二次开发教程,详细介绍了环境配置、算子调用原理、性能优化技巧及实战案例。通过模板匹配和二维码识别等实例,展示了如何高效集成VisionMaster算子到现有框架中,提升工业自动化视觉检测系统的灵活性和性能。

weixin_29280657的博客 270

强到离谱的插件让商业换装如此简单

前 言今天给大家介绍一个服装电商很有用的 SD 插件,我们都知道卖服装的电商都需要有模特的嘛,需要请服装模特拍照,放在商品页面。如果自己也是刚开店,而且预算有限,请不起模特怎么办呢?别急,听雨这里有办法,我们有 SD 呀。能用 SD 解决的问题都不叫问题。这里需要用到一款 SD 插件「segment-anything」,具体如何,跟着听雨来操作一遍就知道了。好了,话不多说,我们直接开整。

2401_84830464的博客 1141

Penpot自托管全攻略:5分钟搞定私有化部署(附Docker配置详解)

本文详细介绍了Penpot开源原型设计工具的私有化部署全流程,从Docker基础配置到企业级优化方案。通过分步指南和实战技巧,帮助设计团队快速搭建安全高效的自托管环境,实现数据自主可控。内容涵盖LDAP集成、性能监控、备份策略等关键企业需求,是Penpot私有化部署的完整参考手册。

sugar的博客 1132

AI绘画SD生成照片:商业级AI换装教程来了,随心所欲给你的女神换装!想看什么换什么

前一阵子,妙鸭相机带火了一项重要的AI技能:AI写真特效,用AI绘画工具,更换各种服饰。这也是很多小伙伴(尤其是做电商相关的小伙伴)最关心的一件“大事”:**用AI绘画工具换装**。如果AI绘画软件能实现的话,不仅方便设计师和插画师的绘画和设计,还可以省下招聘模特的费用。嗯……在多数情况下,这是完全可以做得到的,而且还可以免费操作!

白帽阿叁的博客 2620

vue中使用video-player视频插件,第一次无法监听父组件穿过来的值解决办法

需求: 页面![在这里插入图片描述](https://img-blog.csdnimg.cn/20201208141906802.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0FfOTg4OA==,size_16,color_FFFFFF,t_70) 作品清单是从后端请求回来的不同格式的url,前端需求根据后缀动态判断格式,然后对齐进行下载和

A_9888的博客 768

72-dify案例分享-揭秘!如何用 Dify 实现多语言 PDF 文档原格式翻译

本文围绕 Dify 1.6 + 版本,演示搭建 PDF 文档翻译 Agent:配置 MCP 服务、构建 Agent 并以 URL 传文件测试,实现高效翻译,展现 MCP 跨工具复用与简化集成的优势,助力 AI 应用开发。

个人技术 2285

【stable diffusion教程】强到离谱的插件让商业换装如此简单

今天给大家介绍一个服装电商很有用的 SD 插件,我们都知道卖服装的电商都需要有模特的嘛,需要请服装模特拍照,放在商品页面。

Android 开发架构 1053

opencv 双目摄像头拍照(分别左右镜头拍照)

准备一个usb线的双目同步摄像头: 运行环境是vc2015,opencv3.1。 将左右两个摄像头拍到的图片分别保存起来。 1)适用条件 双目同步摄像头(两个镜头,共用一个设备ID) 使用语言:C++ 、opencv库 摄像头 分辨率2560*960 或以上。 源程序: #include"stdafx.h" #include<iostream&g...

黎国溥 1万+

AI绘画生成照片:AI换装特效教程来了,AI换装随便换!

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 1706

Android AMS——AMS初始化(二)

Android AMS 也是一个系统服务,属于系统服务中的引导服务,在 startBootstrapServices() 方法中启动。这里我们就来看一下 ActivityManagerService 的启动流程。

小旭的专栏 776

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

Stable Diffusion换装完全手册:精准换模特、改服装,AI绘图进阶必备

在AI绘画领域,Stable Diffusion的换装技术正逐渐成为设计师、电商从业者和创作者的强大工具。本手册系统讲解如何精准替换模特、修改服装细节,并提供进阶技巧,助你突破创作瓶颈。无论你是希望提升商业效率,还是探索AI艺术的可能性,这份指南都将成为你的得力助手。现在,开启高效换装之旅吧!

ice829的博客 1326

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。

【AI实战连载01】揭秘ComfyUI AI换装工作流方法1-OOTDiffusion!电商卖家用AI一键给模特换装?

你有没有想过,某天早晨你起床后,只需轻轻一点,就能穿上明星昨晚在红毯上的华丽礼服?这种听起来像是科幻电影的情节,如今通过ComfyUI模特换装工作流已经变成现实。究竟这个工作流是如何运作的?背后又隐藏着怎样的技术秘密?今天,我们将一探究竟。

ice829的博客 1520

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

lwip-2.0.3

lwip是瑞典计算机科学院(SICS)的Adam Dunkels 开发的一个小型开源的TCP/IP协议栈。实现的重点是在保持TCP协议主要功能的基础上减少对RAM 的占用。

【SD教程】深度解析!如何用Stable Diffusion实现模特精准换装?

来了来了,之前给大家承诺的模特换装教程它来了!本篇教程主要运用 StableDiffusion 这个工具来进行操作,下面会通过几个小案例,给大家展示不同需求下,我们该如何使用 StableDiffusion 来辅助我们完成服装效果展示。本教程适用于电商设计场景、摄影场景等多个运用人物设计的实战中,全程干货,需要大家慢慢吸收,学会后轻松拿捏模特换装,let’s go!1. 准备素材一张服装白底图(应用在 controlnet 上);黑白蒙版图(应用在重绘蒙版上)。

Misdirection_XG的博客 982
上一篇: AI绘画最强SD(Stable Diffusion)玩法实操教学案例及商业变现项目分享
下一篇: AI绘画:stable difussion SD插件之 拒绝脸崩 ADetailer
智泊AI官方
博客等级 码龄6年 8638粉丝 2667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