stable diffusion controlnet怎么用（安装教程）

　　Stable Diffusion ControlNet 是一个强大的工具，可以通过线稿、动作识别、深度信息等方式对生成的图像进行控制。在使用之前，请确保 ControlNet 设置下的路径与本地 Stable Diffusion 的路径同步。

基本流程

　　以下是 Stable Diffusion ControlNet 的基本流程：

　　　　点击 “Enable” 启用 ControlNet 功能。

　　Preprocessor （预处理器）用于对输入图像进行预处理。如果输入图像已经符合预处理后的要求，请选择 “None”。例如，如果导入的图像已经是 OpenPose 需要的骨架图，那么 preprocessor 选择 “None” 即可。

　　在 “Weight” 下，可以调整 ControlNet 在图像合成中的影响权重，类似于在 prompt 中调整权重的方式。”Guidance Strength” 用来控制图像生成过程中 ControlNet 的影响比例，类似于 [x:y] 语法。

　　“Invert Input Color” 表示启用反色模式，适用于白色背景的输入图片。

　　“RGB to BGR” 表示将输入图像的色彩通道信息反转，即将 RGB 信息解析为 BGR 信息。这是因为 OpenCV 中使用的是 BGR 格式。该选项适用于输入图像是法线贴图的情况。

　　“Low VRAM” 表示开启低显存优化，需要在启动参数中添加 “–lowvram”。

　　“Guess Mode” 表示启用无提示词模式，需要在设置中启用基于 CFG 的引导。

　　在 “Model” 中选择要使用的解析模型，与输入图像或预处理器相匹配。请注意，预处理器可以为空，但模型不能为空。

可用预处理/模型

　　以下是可用的预处理/模型选项：

　　canny：用于识别输入图像的边缘信息。

　　depth：用于识别输入图像的深度信息。

　　hed：用于识别输入图像的边缘信息，但边缘更柔和。

　　mlsd：用于识别输入图像的边缘信息，是一种轻量级的边缘检测方法。对横平竖直的线条非常敏感，适用于室内图像的生成。

　　normal：用于识别输入图像的法线信息。

　　openpose：用于识别输入图像的动作信息。

　　同时，还可以使用 OpenPose Editor 插件自定义修改姿势，并导出为文生图或图生图。另外，scribble 和 fake_scribble 可以将输入图像作为线稿进行识别，如果线稿是白色背景，请务必勾选 “Invert Input Color”。

　　以上就是 Stable Diffusion ControlNet 的使用教程。希望对您有所帮助！