文章目录
Controlnet 允许通过线稿、动作识别、深度信息等对生成的图像进行控制。
1. 安装
自动安装
- 在
stable-diffusion-webui页面上找到Extensions->Install from URL，输入插件的 git 地址，然后点击 Install 即可， URL 如下：
https://github.com/Mikubill/sd-webui-controlnet.git- 等待 loading 结束后，页面底部会出现
Installed into xxx. Use Installed tab to restart.提示
手动安装
- 进入扩展文件夹
cd ./stable-diffusion-webui/extensions- 将项目文件下载至
extensions文件夹
git clone https://github.com/Mikubill/sd-webui-controlnet.git2. 启用 Controlnet
- 依次找到
Extensions->Installed->Apply and restart UI - 待
webui重启后，可以在txt2img和img2img中看到会多出来一个ControlNet选项 - 安装完成
3. 配置 Controlnet
用户提供一张参考图（ I o r i g i n I_{origin} Iorigin），
ControlNet根据指定的模式对参考图进行预处理，得到一张新图（ I n e w I_{new} Inew），作为另一张参考图；
根据提示词（Prompt），结合前面的参考图，进行图像绘制，即 I o r i g i n + I n e w = I f i n a l I_{origin} + I_{new} = I_{final} Iorigin+Inew=Ifinal
- 上述流程的两个阶段，对应用到的模型有两种：
ControlNet官方下载地址
预处理器模型（annotator）
预训练模型（models）
ControlNet官方存放在 huggingface 上的 预训练模型文件（models） 内部包含了SD的v1-5-pruned-emaonly模型，这在stable-diffusion-webui环境下是没必要的，而且也造成了很多硬盘空间浪费，可以仅下载裁剪版本
- 裁剪版本
-
模型存放位置
- 插件的
models存放目录：./stable-diffusion-webui/extensions/sd-webui-controlnet/models - 插件的
annotator存放目录：./stable-diffusion-webui/extensions/sd-webui-controlnet/annotator
- 插件的
-
注意： 预处理器模型（annotator）需按分类目录存放，例如：
body_pose_model.pth和hand_pose_model.pth应保存到openpose目录；network-bsds500.pth保存到hed目录；upernet_global_small.pth则是保存到uniformer目录；- 其他模型文件可根据关键字，找到对应存放目录
-
在下载并存放好预处理器模型和预训练模型后，重启
webui即可使用
4. 预训练模型区别
详见 Github 仓库
- ControlNet with User Scribbles
control_scribble-fp16支持新建白画布，在上边画线条。模型将所画作为输入，并获得对应的输出，使用人类涂鸦控制SD。该模型使用边界边缘进行训练，具有非常强大的数据增强功能，以模拟类似于人类绘制的边界线。 - 例图：
- ControlNet with Canny Edge
control_canny-fp16需要提供一张图片，预处理器使用 Canny 边缘检测 提取出边缘线，模型使用这个边缘线作为输入，控制生成对应的输出，适用于给线稿上色，或将图片转化为线搞后重新上色，比较适合人物。 - 例图：
- ControlNet with HED Maps
control_hed-fp16需要提供一张图片，预处理器使用 HED 边缘检测 提取软边缘，使用这个边缘线作为输入，控制生成对应的输出，提取的图像目标边界将保留更多细节，此模型适合重新着色和风格化。 - 例图：
- ControlNet with M-LSD Lines
control_mlsd-fp16需要提供一张图片，预处理器使用 M-LSD 边缘检测 ，使用这个边缘线作为输入，控制生成对应的输出，该模型基本不能识别人物的，但非常适合建筑生成，根据底图或自行手绘的线稿去生成中间图，然后再生成图片。 - 例图：
- ControlNet with Human Pose
control_openpose-fp16根据提供的图片，获得对应的姿势骨架图作为输入并生成对应的结果，根据图片生成动作骨骼中间图，然后生成图片，使用真人图片是最合适的，因为模型库使用的真人素材。 - 例图：
- ControlNet with Depth
control_depth-fp16需要提供一张图片，预处理器会使用 Midas 深度估计 获取估计图作为输入，并根据深度估计图生成输出图片，创造具有景深的中间图，建筑人物皆可使用，Stability的模型 64×64 深度，ControlNet模型可生成 512×512 深度图。 - 例图：
- ControlNet with Normal Map
control_normal-fp16根据提供的图片，生成对应的法线贴图作为输入。法线贴图是一种模拟凹凸处光照效果的技术，是凸凹贴图的一种实现，相比于深度 Depth Map 模型，法线贴图模型在保留细节方面似乎更好一些。根据底图生成类似法线贴图的中间图，并用此中间图生成建模效果图。此方法适用于人物建模和建筑建模，但更适合人物建模。 - 例图：
- ControlNet with Segmentation
control_seg-fp16可以对图像种的多个物体，比如建筑、天空、花草树木等，进行区块分割，能够很好的识别主体和背景，使用语义分割来控制SD。现在您需要输入图像，然后一个名为 Uniformer 的模型将为您检测分割。 - 例图：
Segmentation使用 注意： 如果语义分割图没有生成出来，请查看控制台是否有报错，另外，检查一下upernet_global_small.pth是否有保存到extensions\sd-webui-controlnet\annotator\uniformer目录。因为SD自己也有一个models\uniformer目录，如果前面没有手动放置好upernet_global_small.pth模型文件，那么在用到Semantic Segmentation模型时，SD会自动下载一个默认文件到它自己的models\uniformer目录，这种情况控制台会报错，可以排查到这个问题。- 可以看到，预处理阶段生成了一张花花绿绿的图片，这就是语义分割图，这图中的每一种颜色都代表了一类物品，比如紫色（
#cc05ff）代表床（bed），橙黄色（#ffc207）代表垫子（cushion），金黄色（#e0ff08）代表台灯（lamp），ControlNet的Semantic Segmentation模型使用的是ADE20K和COCO协议，这些颜色值都可以在下面网址中找到对应的含义：
https://docs.google.com/spreadsheets/d/1se8YEtb2detS7OuPE86fXGyD269pMycAWe2mtKUj2W8/edit
https://github.com/CSAILVision/sceneparsing/tree/master/visualizationCode/color150 - 进阶： 修改某个物品的颜色，最终替换生成出来的图中的物品，比如把台灯（
#e0ff08）换成花（#ff0000）
5. 多 ControlNet 组合应用
- 默认情况下只能使用 ControlNet 操纵一种引导生成方式，通过更改设置，使 ControlNet 可以同时经过多个模型引导输出：
Settings—ControlNet—Multi ControlNet 的最大网络数量 - 需要保存设置并重启，启用后可同时设置多个 ControlNet，允许不同模型联合控制与相同模型叠加控制，可用于约束多人动作，也可用于多维度约束
- 若将其值调整为 3 ，就可以使用三个 ControlNet 模型来影响最终图像的生成，建议按需调整
- 使用实例：
完美照片（无限换装法） - 知乎
ai绘画怎么能画出好图？ — 更好的图生图效果
6. 参数介绍
- 启用（Enable）
- 勾选后，点击生成按钮时，将会实时通过
ControlNet引导图像生成，否则不生效。
- 低显存优化（Low VRAM）
- 低显存模式如果你的显卡内存小于4GB，建议勾选此选项，需配合启动参数
--lowvram使用
- 像素完美模式（Pixel Perfect）
- 如果启用像素完美模式，就不需要手动设置预处理器（annotator）的分辨率。
ControlNet将自动为您计算最佳分辨率，使每个像素都与稳定扩散完美匹配。
- Allow Preview
- 允许预览图像
- 预处理器（Preprocessor）
- 该列表是预处理器模型选择，每个
ControlNet的模型都有不同的功能，后续将会单独介绍。
- 模型（Model）
- 该列表的模型选择必须与预处理选项框内的模型名称一致，如果预处理与模型不致也可以出图，但效果无法预料，且并不理想。
- 权重（Weight）
- 权重代表使用
ControlNet生成图片的权重占比影响。
- Starting Control Step
- 开始介入的步数，以百分比表示，设置为 0 表示开始时就介入，设置为 0.2 表示从 20% 的步数开始参与作图
- Ending Control Step
- 结束介入的步数，以百分比表示，设置为 1 表示第 1 步就停止介入，设置为 0.9 表示到 90% 的步数结束参与作图
- Control Mode
- 选择权重的重要强度，相当于从前版本的
Guess Mode
- 画面缩放模式（Resize Mode）
- 调整图像大小模式：默认使用缩放至合适即可，将会自动适配图片。
7. 版本对比
- 原版 canny 算法能主观感受到模型的加载时间，压缩版加载时间较快，1秒左右，生成的图像在质量上肉眼看不出差别，比如人物轮廓，五官位置等（背景有变化不算，这和模型特点有关系，canny 是提取轮廓，轮廓没有大的变化那就不算）
- 腾讯t2i模型在速度上完胜压缩版（因为模型文件比较小），在生成的结果上没有明显差异，但是有细微差异，比如脸型
- 下面参考其他博主的文章，对比下两者的差异，如果想要快请使用压缩版模型，如果要更快请使用腾讯t2i模型，就效果而言，孰优孰劣请自行判断，个人更倾向使用压缩版模型
- 精确控制 AI 图像生成的破冰方案，ControlNet 和 T2I-Adapter
ControlNet和T2I-Adapter有什么区别？
ControlNet在论文里提到，Canny Edge detector模型的训练用了 300 万张边缘-图像-标注对的语料，A100 80G 的 600 个 GPU 小时。Human Pose（人体姿态骨架）模型用了 8 万张 姿态-图像-标注 对的语料, A100 80G 的 400 个 GPU 时。
而T2I-Adapter的训练是在 4 块 Tesla 32G-V100 上只花了 2 天就完成，包括 3 种 condition，sketch（15 万张图片语料），Semantic segmentation map（16 万张）和Keypose（15 万张）。
两者的差异：ControlNet目前提供的预训模型，可用性完成度更高，支持更多种的condition detector（9 大类）。
而T2I-Adapter在工程上设计和实现得更简洁和灵活，更容易集成和扩展（by 读过其代码的 virushuo）此外，T2I-Adapter支持一种以上的condition model引导，比如可以同时使用sketch和segmentation map作为输入条件，或在一个蒙版区域 (也就是inpaint) 里使用sketch引导。
Reference
来源地址：https://blog.csdn.net/qq_43377653/article/details/130646734
