Stable Diffusion【进阶篇】：手部修复的实现方式

一. ControlNet 新预处理器dw-openpose
在ControlNet中，使用openpose-hand预处理器，可以实现人物手势控制。但是存在一个问题，就是对于复杂的手势是无法识别的。

今天我们介绍一款ControlNet的新预处理器dw-openpose。它能完美地实现手部的识别问题，让手部识别能力上了一个台阶。

我们先看一下官网的效果。

我们知道，使用ControlNet处理图片，它是分为了预处理阶段和渲染阶段。dw-openpose应用在预处理阶段，也就是说明AI的理解识别能力更强大，可以对手部识别的更加细节具体。但并没有对openpose的模型做任何改变，仍然是使用ControlNet自带的openpose模型进行渲染。

二. 新预处理器dw-openpose插件安装

dw-openpose插件地址：https://github.com/IDEA-Research/DWPose.git

安装完成后，重启SD Web UI。OpenPose类型的ControlNet预处理器会多一个选项dw_openpose_full。

注意：如果安装好了还是没有显示dw_openpose_full选项，那么需要更新一下你的ControlNet 到最新版本。

三. 预处理器dw-openpose使用实例

我们先来看一下openpose_full和dw_openpose_full之间在手部识别方面的差异。

对上面图片，dw_openpose_full预处理可以完整识别出手部。而openpose_full预处理器只能识别左手部分手指，右手无法识别。

我们来体验一下使用dw_openpose_full预处理器生成的手部效果。

大模型：majicmixRealistic_v6.safetensors

正向提示词：8k portrait of a young girl in a white dress, upper body,wide shot, vibrant colors, dreamy atmosphere, fine art photography, ethereal lighting, shallow depth of field, bokeh, surrealistic elements

反向提示词：NSFW, lowres, bad anatomy, bad hands, text, error, missing fingers, extra digit, fewer digits, cropped, worst quality, low quality, normal quality, jpeg artifacts, signature, watermark, username, blurry,

采样器：Euler a

采样迭代步数：30

生成图片的效果如下：（生成多组照片，抽检选择结果）

总结：dw_openpose_full预处理器对于手部的识别能力相当于是openpose-hand的识别手部能力的增强，但是不是生成的图片效果手部姿势都是满足要求的，还是需要生成多张图片抽签选择。

在实际使用中，我们也可以借助Openpose editor插件对手势效果进行微调以达到我们想要的效果。

现在AI绘画还是发展初期，大家都在摸索前进。

但新事物就意味着新机会，我们普通人要做的就是抢先进场，先学会技能，这样当真正的机会来了，你才能抓得住。

如果你对AI绘画感兴趣，我可以分享我在学习过程中收集的各种教程和资料。

学完后，可以毫无问题地应对市场上绝大部分的需求。

这份AI绘画资料包整理了Stable Diffusion入门学习思维导图、Stable Diffusion安装包、120000+提示词库，800+骨骼姿势图，Stable Diffusion学习书籍手册、AI绘画视频教程、AIGC实战等等。

完整版资料我已经打包好，点击下方卡片即可免费领取！

【Stable Diffusion学习路线思维导图】

【Stable Diffusion安装包（含常用插件、模型）】

【AI绘画12000+提示词库】

【AI绘画800+骨骼姿势图】

【AI绘画视频合集】

这份完整版的stable diffusion资料我已经打包好，点击下方卡片即可免费领取！