這個(gè)AI畫作的成敗的關(guān)鍵在于找到國外人臉的大模型,然后找個(gè)GAI GADOT的lora。需要加高分辨率修復(fù)。 正面提示詞: best quality,1girl,solo,wonder woman,breasts,looking at viewer,upper body,black hair,brown eyes,cityscape,blurry background,GAL GADOT,<lyco:Gal Gadot>, <lora:WonderWoman1:1> 負(fù)面提示詞: nsfw,(worst quality2),(low quality:2),(normal quality:2),lowres, bad anatomy,bad hands, normal qualiy,((monochrome)),((grayscale)) ng_deepnegative_v1_75t,badhandv4 其他: Steps: 20, Sampler: DPM++ 2M Karras, CFG scale: 7, Seed: 528803448, Size: 512x768, Model: sxzLuma_099VAE, Denoising strength: 0.7, Clip skip: 2, ENSD: 31337, Hires upscale: 2, Hires upscaler: R-ESRGAN 4x+ SD是什么? SD全稱是Stable diffusion,它是一種基于潛在擴(kuò)散模型(Latent Diffusion Models)的文本到圖像生成模型,能夠根據(jù)任意文本輸入生成高質(zhì)量、高分辨率、高逼真的圖像。 Stable diffusion的原理可以分為以下幾個(gè)步驟: 1. stable diffusion使用一個(gè)新穎的文本編碼器(OpenCLIP),由LAION開發(fā)并得到Stability AI的支持,將文本輸入轉(zhuǎn)換為一個(gè)向量表示。這個(gè)向量表示可以捕捉文本的語義信息,并與圖像空間對齊。 2. stable diffusion使用一個(gè)擴(kuò)散模型(Diffusion Model),將一個(gè)隨機(jī)噪聲圖像逐漸變換為目標(biāo)圖像。擴(kuò)散模型是一種生成模型,可以從訓(xùn)練數(shù)據(jù)中學(xué)習(xí)出一個(gè)概率分布,并從中采樣出新的數(shù)據(jù)。 3. 在擴(kuò)散過程中,stable diffusion利用文本向量和噪聲圖像作為條件輸入,給出每一步變換的概率分布。這樣,stable diffusion可以根據(jù)文本指導(dǎo)噪聲圖像向目標(biāo)圖像收斂,并保持圖像的清晰度和連貫性。 4. 最后,stable diffusion使用一個(gè)超分辨率放大器(Upscaler Diffusion Model),將生成的低分辨率圖像放大到更高的分辨率。超分辨率放大器也是一個(gè)擴(kuò)散模型,可以從低分辨率圖像中恢復(fù)出細(xì)節(jié)信息,并增強(qiáng)圖像質(zhì)量。 特地為SD愛好者及想通過SD賺錢的朋友建了一個(gè)群,感興趣的可以加入! 關(guān)注我,讓我們一起發(fā)現(xiàn)SD無限可能性。 |
|