先简单总结:终极无损放大整个过程主要包括多轮重复图生图迭代和附加插件处理噪声和细节问题,最终实现从512x512基础分辨率到16384x16384超高分辨率的无损扩容。 原始图是512*512的一张哥哥的老照片。网上找的,年代久远,分辨率堪堪做到512*512。 1024*1024,是这样的。 上面这张,已经是2000*2000级别。完全满足一般需要,可以点开图片,放大看细节。 2k以上的图片,在微信上展示已经没有意义。展现一下图片信息。 和之前文章中提到的high-res-fix和起步就用放大模型不同,我们上述步骤中,从512到2048的图生图4倍放大中,没有使用放大模型。 取而代之的核心是controlnet,1.1版本里面的TILE模型,它的原理是把图形分块放大并补充细节,之前我们在这一篇也提到过,可以参考: ControlNet实战案例2:这摩托车太没质感?最新的TILE模型来了,让它帮你加亿点点细节! 图生图设置如下: controlnet设置如图 需要特别注意的三点: 1、降噪力度要低于0.4,重绘幅度低,画面会趋向和原图一致。 2、要想不崩遵循512-1024-2048-4096的分级放大,不要一口吃个胖子。 3、要想不崩,可以开更多的controlnet模型维持画面,比如lineart, normal-bae,这些都很有帮助。 不过,多重controlnet模型开启之后,对显存的要求略高,一般建议8G以上显卡。如果显存低于8G的,要勾选controlnet里面的low vram选项。 另外的一种思路是,在用controlnet tile的同时,把multidiffusion-upscaler这个插件也开起来。这也是一个通过切割原画面实现重绘放大的插件。好处是往往可以一次性扩大,更快捷,同时这个插件有更好的显存管理机制,能够让6G级别显存的显卡也能实现超高清放大;不过,它的实现过程中,对一些细节也会发生细微的修改,最优参数可以自己尝试调整。 下面是这种方法产出的样图,可以看见bra的纹理和山峰形状都出现了变化。 总结一下:
|
|
来自: 天童老僧 > 《AI机器人绘制艺术作品》