当涉足AI绘画领域,可能会遇到脸崩的问题,这在使用Stable Diffusion进行绘画时尤为明显。原因在于Stable Diffusion算法在处理面部细节时可能会出现问题。不过现已有多种解决方案,比如采用图生图对脸部进行重绘。此外还有许多好用的SD插件。下面为读者介绍一款在个人使用中表现出色的SD插件。

今天介绍一个非常好用的插件ADetailer。

插件安装

打开Stable Diffusion的网页界面,依次点击扩展,从网址安装,输入以下链接到安装扩展仓库,然后点击安装即可。

https://github.com/Bing-su/adetailer.git

Stable Difussion 拒绝崩脸崩手崩身 ADetailer 插件-LMLPHP
安装完成后会在你的SD文件夹下extensions出现adetailer文件夹。
Stable Difussion 拒绝崩脸崩手崩身 ADetailer 插件-LMLPHP
然后重启SD会在图生图和文生图选项中出现该选项。
Stable Difussion 拒绝崩脸崩手崩身 ADetailer 插件-LMLPHP

模型下载

默认的模型是不够使用的,因此需要随时更新模型。进入huggingface的adetailer中下载

Stable Difussion 拒绝崩脸崩手崩身 ADetailer 插件-LMLPHP
下载上面的文件到你的本地中然后保存到SD中models中的adetailer。
Stable Difussion 拒绝崩脸崩手崩身 ADetailer 插件-LMLPHP
然后重启SD就会看到下载的模型了。
Stable Difussion 拒绝崩脸崩手崩身 ADetailer 插件-LMLPHP

模型对比和解释

  • mAP 50和mAP 50-95是衡量模型性能的两个重要指标。mAP 50意味着在IoU(交并比)为0.5时的平均精度,而mAP 50-95则是在IoU从0.5到0.95,步长为0.05时的平均精度。
  • "2D / Realistic Face"部分是关于人脸检测模型的性能。
  • "2D / Realistic Hand"部分是关于手部检测模型的性能。
  • "2D / Realistic Person"部分是关于人体检测及分割模型的性能。"bbox"和"mask"代表了两种不同的检测方式:边界框检测和像素级别的分割检测。
  • "Realistic Clothes"部分是关于衣物检测及分割模型的性能。

2D / Realistic Face

2D / Realistic Hand

2D / Realistic Person

Realistic Clothes

实际测试效果

左侧原图,右侧修复效果。
Stable Difussion 拒绝崩脸崩手崩身 ADetailer 插件-LMLPHP

06-30 00:45