ControlNet Stable Diffusion – ایجاد تصاویر واقعی در چند ثانیه

مدل انتشار پایدار کنترل نت که به شما امکان می دهد ترکیب بندی و حالت تصاویر تولید شده را با تکرار آنها از یک تصویر مرجع مدیریت کنید.

کاربران Seasoned Stable Diffusion درک می کنند که تولید ترکیب دقیق مورد نظر چقدر دشوار است. عکس ها تا حدودی تصادفی هستند. شما فقط می توانید بازی اعداد را انجام دهید: تعداد زیادی تصویر ایجاد کنید و مورد علاقه خود را انتخاب کنید.

این پست به شما یاد می دهد که چگونه با استفاده از انتشار پایدار ControlNet، تصاویر واقعی بسازید.

ControlNet Stable Diffusion چیست؟

ControlNet Stable Diffusion به شما کنترل بی‌نظیری بر روی تصاویری که تولید می‌کنید، می‌دهد. ControlNet با اجازه دادن به کاربران برای وارد کردن اطلاعات اضافی به مدل، مانند پیام های متنی یا تصاویر، سطح کنترل بیشتری را اضافه می کند. داده های ارائه شده ممکن است ساختار، ظاهر و محتوای تصویر حاصل را تغییر دهد. این مدل مبتنی بر Stable Diffusion است، یک مدل انتشار که برای ایجاد عکس‌های با کیفیت بالا استفاده می‌شود.

ایجاد تصاویر با ControlNet Stable Diffusion

• ControlNet Stable Diffusion دارای چندین مزیت نسبت به سایر الگوریتم های تولید تصویر هوش مصنوعی است. این به کاربران کنترل بی سابقه ای روی تصویر حاصل می دهد. این به دلیل این واقعیت است که ControlNet از تعدادی استراتژی برای درک رابطه بین داده های ورودی و تصویر خروجی مورد نظر استفاده می کند.
• ControlNet بسیار پایدار است. این بدان معنی است که احتمال کمتری برای تولید تصاویر نامشخص یا مخدوش وجود دارد.
• ControlNet بسیار سریع است، به این معنی که می توانید گرافیک را خیلی سریع تولید کنید.

مدل‌های مختلفی در ControlNet وجود دارد، از جمله Canny Edge، Hough، HED، Scribble، Interactive Scribbles، Fake Pose Scribbles، و Name Scribble. بیایید یکی یکی با تصاویر و درخواست‌های منحصربه‌فرد امتحان کنیم.

برای ایجاد تصاویر در این مدل‌ها، فقط باید تصویری را که می‌خواهید دوباره ایجاد کنید، آپلود کنید و یک درخواست در زیر تصویر آپلود شده اضافه کنید.

مدل کنترل شبکه Canny Edge

هنگام استفاده از مدل Canny Edge ControlNet، فقط حالت سگ در خروجی های نهایی ثابت می ماند، در حالی که محیط، آب و هوا، رنگ و زمان مدام در حال تغییر هستند.

پست: "سگ ناز"

سایر مدل های ControlNet نیز به همین روش تصاویر را ایجاد می کنند. بیایید مثال را با دستورات ببینیم.

مدل انتشار پایدار کنترل شبکه خطوط M-LSD

این مدل خطوط M-LSD از تشخیص ساده خط مستقیم M-LSD برای ایجاد تصاویر استفاده می کند.

پست: "Building"

مدل شبکه کنترل مرزی HED

این مدل از مرز نرم HED استفاده می کند، جزئیات بسیاری را در تصاویر ورودی برای ایجاد تصاویر شگفت انگیز حفظ می کند.

پست: "نقاشی رنگ روغن از پیرمرد خوش تیپ، شاهکار"

Scribbles Maps ControlNet Model

در این مدل، شما باید یک خط خطی از یک بالون هوای گرم بکشید و آن را به عنوان یک تصویر ورودی آپلود کنید تا تصاویر خروجی خیره کننده دریافت کنید.

پست: "بالون هوای گرم"

Scribbles تعاملی ControlNet مدل انتشار پایدار

با مدل Scribbles تعاملی، می توانید از گزینه “Open Drawing Canvas” برای ترسیم آثار خود و آپلود آن به عنوان یک تصویر ورودی استفاده کنید. و می توانید عرض و ارتفاع بوم را تنظیم کنید.

پست: "سگ در اتاق"

>>

مدل کنترل شبکه اسکریبل های جعلی

هنگام استفاده از این خط خطی جعلی، می توانید به جای کشیدن خط خطی، فقط تصویر ورودی را آپلود کنید. این اسکریپت دقیقاً از همان مدل مبتنی بر خط خطی استفاده می‌کند، اما از یک الگوریتم ساده برای ترکیب خط‌نویسی‌ها از تصاویر ورودی استفاده می‌کند.

پست: "bag"

مدل شبکه کنترل ژست انسان

این مدل Human Pose ControlNet به طور مستقیم اسکلت ژست را دستکاری می کند. شما باید یک تصویر را وارد کنید، و سپس آن حالت را برای شما تشخیص می دهد.

 پشن: "آشپز در آشپزخانه"

مدل کنترل شبکه تقسیم بندی معنایی

با مدل تقسیم بندی معنایی، می توانید به طور مستقیم تقسیم بندی ها را ترسیم کنید. شما باید یک تصویر را وارد کنید و سپس مدلی به نام Uniformer تقسیم بندی ها را برای شما تشخیص می دهد.

پست: "River"

مدل کنترل شبکه کنترل عمق

ControlNet نقشه عمق 512×512 را به جای عمق 64×64 دریافت می کند. مدل Depth ControlNet از نقشه های عمق 64×64 استفاده می کند. این بدان معنی است که ControlNet جزئیات بیشتری را در نقشه عمق حفظ می کند.

پست: "سخنرانی Stormtrooper"

مدل کنترل شبکه معمولی نقشه

این مدل از یک نقشه معمولی برای یافتن چند ناحیه در پس‌زمینه با هویتی عادی برای بیننده استفاده می‌کند. «آستانه پس‌زمینه عادی» را تنظیم کنید تا احساسی داشته باشید.

پست: "اسباب بازی زیبا"

حالت غیر اعلان

می‌توانید نتایج بسیار جالبی را با تنظیم پارامترها، همانطور که در زیر مشاهده می‌کنید، به دست آورید: رابط کاربری وب انتشار پایدار: راهنمای جامع

را نیز بخوانید.

/>” class=”wp-block-heading” id=”conclusion”>نتیجه گیری

به طور کلی، ControlNet یک ابزار قوی است که به کاربران Stable Diffusion اجازه می دهد تا کنترل کاملی بر ظاهر و ترکیب تصاویر تولید شده خود داشته باشند. اگر می‌خواهید با Stable Diffusion تصاویر واقعی و دقیق ایجاد کنید، ControlNet یک گزینه عالی است.