【瑞模网】Stable Diffusion 使用指南

最新推荐文章于 2024-07-18 20:43:22 发布

原创

最新推荐文章于 2024-07-18 20:43:22 发布 · 785 阅读

4 ·

CC 4.0 BY-SA版权

文章标签：

#stable diffusion #计算机视觉 #人工智能

本文介绍了 Stable Diffusion 的参数调优基础，包括提示词、采样步数、采样器的选择，以及降噪强度等关键设定。探讨了不同参数如何影响生成图像的质量和效率，并提供了高清修复的使用建议。此外，还强调了提示词的相关性和尺寸注意事项，以及在实际应用中避免的一些常见误区。

1. 调参基础

常用参数介绍

Prompt（提示词）：对你想要生成的东西进行文字描述。
Negative prompt（反向提示词）：用文字描述你不希望在图像中出现的东西。
Sampling Steps（采样步数）：扩散模型的工作方式是从随机高斯噪声向符合提示的图像迈出小步。这样的步骤应该有多少个。更多的步骤意味着从噪声到图像的更小、更精确的步骤。增加这一点直接增加了生成图像所需的时间。回报递减，取决于采样器。
Sampling method（采样器）：使用哪种采样器。Euler a（ancestral 的简称）以较少的步数产生很大的多样性，但很难做小的调整。随着步数的增加，非 ancestral 采样器都会产生基本相同的图像，如果你不确定的话，可以使用 LMS。
Batch count/n_iter：每次生成图像的组数。一次运行生成图像的数量为 Batch count * Batch size。
Batch size：同时生成多少个图像。增加这个值可以提高性能，但你也需要更多的 VRAM。图像总数是这个值乘以批次数。除 4090 等高级显卡以外通常保持为 1。
CFG Scale（无分类指导规模）：图像与你的提示的匹配程度。增加这个值将导致图像更接近你的提示（根据模型），但它也在一定程度上降低了图像质量。可以用更多的采样步骤来抵消。
Width：图像的宽度，像素。要增加这个值，你需要更多的显存。大尺度的图像一致性会随着分辨率的提高而变差（模型是在 512x512 的基础上训练的）。非常小的值（例如 256 像素）也会降低图像质量。这个值必须是 8 的倍数。
Height：图像高度。
Seed：随机数的起点。保持这个值不变，可以多次生成相同（或几乎相同，如果启用了 xformers）的图像。没有什么种子天生就比其他的好，但如果你只是稍微改变你的输入参数，以前产生好结果的种子很可能仍然会产生好结果。