当前位置: 首页 > news >正文

stable diffusion的模型选择,采样器选择,关键词

一、Stable Diffusion的模型选择:

模型下载地址:https://civitai.com/,需要科学上网。

  • Deliberate:全能模型,prompt越详细生成的图片质量越好
  • Realistic Vision:现实模型,生成仿真式图片,它的真实性搭配任何人物的Lora,就可以生成照片级的作品
  • DreamShaper:V5版本有真实感和噪声抵消的优化,模型初衷是为了肖像画,善于复杂的细节和鲜艳的色彩,梦幻的插画效果
  • Counterfeit:高质量的动漫风格模型,建议搭配easy negative,能生成精确和令人惊讶的结果,动漫创作者很适合
  • MeinaMix:生成动漫人物效果非常好,较少提示下,完成出色的艺术创作
  • bad-picture negative embedding for ChilloutMix:咳咳咳

二、Stable Diffusion十几种采样器的区别:

采样是指图像去噪的过程,从而产生清晰的图,理论上采样步数越多图片细节越多,但过多的采样会造成过拟合。

  • Euler:欧拉方法最简答直接的采样器,非常受欢迎
  • Heun:改进欧拉方法,提高了精度但耗时比欧拉方法多一倍
  • LMS:线性多步法,速度与质量与欧拉方法相差不多
  • 以下三个是常微分方程(ODE)的老式求解器,已经存在一百多年了,推荐设置步数在20-30之间
  • DDIM:去噪扩散隐式模型,是最早为Stable Diffusion设计的采样器之一,
  • PLMS:伪线性多步法,是LMS更新更快的替代方案,已落后,不再广泛使用。
  • DPM:2022年新发布的采样器,优秀的收敛和图像质量。
  • DPM2:相比DPM更准确但更慢一些
  • DPM++:是对DPM系列的改进
  • DPM fast:我感觉没存在的必要,除非步数设置在40+,否则很难跑出能看的图
  • UniPC:新开发的采样器,收敛速度略慢于欧拉方法,但质量相当,推荐使用较高的步数

说明:

  1. -a:后缀带a的采样器为祖先采样器,区别在于它们会在每步中添加随机噪声,如果需要出更多元的图像,可以选择带a的采样器。如果在意可控性、稳定性、可重现的图像,就要避免选择带a的方法。所有的祖先采样器都是不收敛的,所以在相同参数和种子的情况下,生成的图片会有不同
  2. -karras:所有后缀带有karras的采样器是使用了karras噪声调度,使用karras噪声会产生更好的图片质量

建议:

  1. 想要快速、融合、新颖且质量不错的东西,最好的选择是DPM++ 2M karras、UniPC,搭配20-30步数
  2. 想要高质量、且不关心收敛性,推荐DPM++ SDE karras,搭配8-12步数;DDIM搭配10-15步数
  3. 简单图像,Euler,Heun是不错的选择,推荐设置步数在20-30之间

三、prompt提示词权重设置

a dog, a cat:越靠前的提示词,权重越高

  • 加权重方法——小括号():(a dog), a cat:一个小括号相当于权重乘1.1倍,两个小括号相当于乘1.1倍后再乘1.1倍,小括号越多权重越高
  • 去权重方法——中括号[]:[a dog], a cat:相当于除1.1倍,多个中括号以此类推

调整权重更方便的写法:(prompt1:数字),(prompt2:数字)——(a dog:0.5),(a cat:1.5)——0.5权重狗,1.5权重猫


四、prompt提示词六要素:

推荐两个提示词网站:
元素法典
Danbooru 标签超市

人物,画风,场景,环境,画质,视角
1、人物:

  • 性别:1 girl, 2 boys, loli, cat girl
  • 服饰:long sleeves, gloves coat, bangle, armband
  • 发型:long hair, bangs, black hair,
  • 五官:cat ears, small eyes, big mouth, blue eyes
  • 表情:smile, open mouth, tears, blush
  • 动作:standing, lying, head tilt, tying hair

2、画风

  • 插画风:illustration, painting, paintbrush
  • 二次元:anime, comic, game CG,
  • 写实系:photorealistic, realistic, photograph
  • 复古风:close-up,upper body, pov, retro artstyle
  • 手绘风:traditional media
  • 赛博朋克:cyberpunk,

3、场景

  • 室内室外:indoor outdoor
  • 大场景:forest city, street, field, garden, village
  • 小细节:tree, bush, flower, tower, fences

4、环境

  • 白天黑夜:day night
  • 时段:morning, sunset
  • 光线:sunlight, bright, dark
  • 天空:blue sky, starry sky, shooting star, full moon

5、画质

  • 正向高画质:highres, absurdres, official art, best quality, 8k,masterpiece, game cg, original
  • 负向低品质:lowres, parody, scan, parody, bad anatomy, bad hands, fewer digits, extra digit, missing arms, watermark, signature, text,

6、视角

  • 距离:close-up, distant
  • 人物比例:full body, upper body
  • 观察角度:from above, from below, view of back, form side
  • 镜头类型:wide shot, Sony A7 3, fish eye

相关文章:

stable diffusion的模型选择,采样器选择,关键词

一、Stable Diffusion的模型选择: 模型下载地址:https://civitai.com/,需要科学上网。 Deliberate:全能模型,prompt越详细生成的图片质量越好Realistic Vision:现实模型,生成仿真式图片&#…...

BI零售数据分析:以自身视角展开分析

随着零售业务不断扩展,市场竞争不断加剧,各层级的销售管理人员都急需一张能快速查看销售数据分析报表,能从中知道自己管辖内的业务最近或过去的情况,并依次为依据科学优化销售管理措施。这就要求零售数据分析报表信息足够多、数据…...

Maven 使用教程(三)

一、如何使用外部依赖项? 您可能已经注意到POM中的一个dependencies元素,我们一直在使用它作为示例。事实上,您一直在使用外部依赖项,但在这里我们将更详细地讨论它是如何工作的。有关更全面的介绍,请参阅我们的依赖机…...

行秋找工作的记录

2023-10-17 15:35-16:00 中移(苏州)研发中心面试 问了项目,还有一些我没准备到的Java八股文:Java类的加载过程,发射机制,redis存储结构,二叉平衡树等。但我也都没回答上来。应该无了。 2023-1…...

vue项目打包,使用externals抽离公共的第三方库

封装了一个插件,用来vue打包抽离公共的第三方库,使用unplugin进行插件开发,vite对应的功能使用了vite-plugin-externals进行二次开发 github地址 npm地址 hfex-auto-externals-plugin 自动注入插件,使用 unplugin 和 html-webpack-plugin进…...

九阳真经之各大厂校招

大学计算机系的同学要怎么努力才能校招进大厂? 秋招的大公司非常多,也是非常好的,赶上了秋招,你基本工作就敲定了,在整个应届毕业生的人群中你就占据很大的优势了。 如何准备应届校招? 一、做好规划,把…...

Go语言入门心法(五): 函数

Go语言入门心法(一): 基础语法 Go语言入门心法(二): 结构体 Go语言入门心法(三): 接口 Go语言入门心法(四): 异常体系 Go语言入门心法(五): 函数 一: go语言函数认知 函数相关认知升维:函数的功能就是把相对独立的某个相同或者时类型的功能抽象处理,使之成为一个…...

gitignore文件的语法规则

行注释:以"#"符号开头的行表示注释,Git会忽略这些行。空行:空行会被忽略。文件和目录规则: 可以使用通配符来匹配文件和目录。常用的通配符有: “*”:匹配0个或多个字符。“?”:匹配…...

vscode提示扩展主机在过去5分钟内意外终止了3次,解决方法

参考链接: https://code.visualstudio.com/blogs/2021/02/16/extension-bisect https://code.visualstudio.com/docs/setup/uninstall#_clean-uninstall 使用vscode打开jupyter notebook记事本时,窗口右下角提示扩展主机在过去5分钟内意外终止了3次 而…...

【算法挨揍日记】day16——525. 连续数组、1314. 矩阵区域和

525. 连续数组 525. 连续数组 题目描述: 给定一个二进制数组 nums , 找到含有相同数量的 0 和 1 的最长连续子数组,并返回该子数组的长度。 解题思路: 本题的元素只有0和1,根据题目意思,我们可以把题目看成找一段最…...

k8s-13 存储之secret

Secret 对象类型用来保存敏感信息,例如密码、OAuth 令牌和 ssh key。 敏感信息放在 secret 中比放在 Pod 的定义或者容器镜像中来说更加安全和灵活 。 Pod 可以用两种方式使用 secret:作为 volume 中的文件被挂载到 pod 中的一个或者多个容器里 当 kubelet 为 pod 拉…...

什么是高阶成分(HOC)

高阶组件(Higher-Order Component,HOC)是一种在React中用于组件复用和逻辑抽象的设计模式。它本质上是一个函数,接受一个组件作为参数,并返回一个新的组件。 1. HOC的作用: HOC允许我们在不修改原始组件的…...

深度学习硬件配置推荐

目录 1. 基础推荐2. GPU显存与内存是一个1:4的配比?3. deep learning 入门和kaggle比赛4. 有些 Kaggle 比赛数据集很大,可能需要更多的 GPU 显存,请推荐显存4. GDDR6和HBM25. HDD 或 SATA SSD1. 基础推荐 假设您作为一个深度学习入门学者的需求,以下是一份推荐的电脑硬件配…...

数仓建设(一)

想了想,我们的数仓的建设是基于大数据平台进行的,中间也经历了比较曲折的过程。 每个行业都有自身的业务区别,不过很多还是比较相通的。 本文将全面讲解数仓建设规范,从数据模型规范,到数仓公共规范,数仓各…...

Springboot整合taos时序数据库TDengine

1.首先安装TDengine服务端在linux上 TDengine多种安装包的安装和卸载 - TDengine | 涛思数据安装过程直接去官网看,非常详细简单 2.出现的问题 windows连接 invalid app version 版本不对应 版本不对应的问题,需要在linux上安装的版本和windows client版本一致,不然w…...

Epoch、批量大小、迭代次数

梯度下降 它是 机器学习中使用的迭代 优化算法,用于找到最佳结果(曲线的最小值)。 坡度 是指 斜坡的倾斜度或倾斜度 梯度下降有一个称为 学习率的参数。 正如您在上图(左)中看到的,最初步长较大&#…...

qt-C++笔记之清空QVBoxLayout中的QCheckBox

qt-C笔记之清空QVBoxLayout中的QCheckBox QVBoxLayout 和 QCheckBox 是两个类,都是 PyQt/PySide 中用于创建图形用户界面 (GUI) 的工具。它们通常与 Qt 库一起使用,Qt 是一个流行的跨平台 GUI 库,可以用于创建桌面应用程序。 QVBoxLayout: Q…...

pc微信39223部分算法call偏移

WechatWin.dll 基址:78FD0000 MD5_Init_call 7AF48C80 | 56 | push esi | 7AF48C81 | 8B7424 08 | mov esi,dword ptr ss:[esp0x8] | 7AF48C85 | 6A 4C | push 0x4C …...

尚硅谷Flink(三)时间、窗口

1 🎰🎲🕹️ 🎰时间、窗口 🎲窗口 🕹️是啥 Flink 是一种流式计算引擎,主要是来处理无界数据流的,数据源源不断、无穷无尽。想要更加方便高效地处理无界流,一种方式就…...

MPLS基础

1. MPLS原理与配置 MPLS基础 (1)MPLS概念 MPLS位于TCP/IP协议栈中的数据链路层和网络层之间,可以向所有网络层提供服务。 通过在数据链路层和网络层之间增加额外的MPLS头部,基于MPLS头部实现数据快速转发。 本课程仅介绍MPLS在…...

stm32G473的flash模式是单bank还是双bank?

今天突然有人stm32G473的flash模式是单bank还是双bank?由于时间太久,我真忘记了。搜搜发现,还真有人和我一样。见下面的链接:https://shequ.stmicroelectronics.cn/forum.php?modviewthread&tid644563 根据STM32G4系列参考手…...

前端倒计时误差!

提示:记录工作中遇到的需求及解决办法 文章目录 前言一、误差从何而来?二、五大解决方案1. 动态校准法(基础版)2. Web Worker 计时3. 服务器时间同步4. Performance API 高精度计时5. 页面可见性API优化三、生产环境最佳实践四、终极解决方案架构前言 前几天听说公司某个项…...

CentOS下的分布式内存计算Spark环境部署

一、Spark 核心架构与应用场景 1.1 分布式计算引擎的核心优势 Spark 是基于内存的分布式计算框架,相比 MapReduce 具有以下核心优势: 内存计算:数据可常驻内存,迭代计算性能提升 10-100 倍(文档段落:3-79…...

《用户共鸣指数(E)驱动品牌大模型种草:如何抢占大模型搜索结果情感高地》

在注意力分散、内容高度同质化的时代,情感连接已成为品牌破圈的关键通道。我们在服务大量品牌客户的过程中发现,消费者对内容的“有感”程度,正日益成为影响品牌传播效率与转化率的核心变量。在生成式AI驱动的内容生成与推荐环境中&#xff0…...

转转集团旗下首家二手多品类循环仓店“超级转转”开业

6月9日,国内领先的循环经济企业转转集团旗下首家二手多品类循环仓店“超级转转”正式开业。 转转集团创始人兼CEO黄炜、转转循环时尚发起人朱珠、转转集团COO兼红布林CEO胡伟琨、王府井集团副总裁祝捷等出席了开业剪彩仪式。 据「TMT星球」了解,“超级…...

质量体系的重要

质量体系是为确保产品、服务或过程质量满足规定要求,由相互关联的要素构成的有机整体。其核心内容可归纳为以下五个方面: 🏛️ 一、组织架构与职责 质量体系明确组织内各部门、岗位的职责与权限,形成层级清晰的管理网络&#xf…...

现代密码学 | 椭圆曲线密码学—附py代码

Elliptic Curve Cryptography 椭圆曲线密码学(ECC)是一种基于有限域上椭圆曲线数学特性的公钥加密技术。其核心原理涉及椭圆曲线的代数性质、离散对数问题以及有限域上的运算。 椭圆曲线密码学是多种数字签名算法的基础,例如椭圆曲线数字签…...

3403. 从盒子中找出字典序最大的字符串 I

3403. 从盒子中找出字典序最大的字符串 I 题目链接:3403. 从盒子中找出字典序最大的字符串 I 代码如下: class Solution { public:string answerString(string word, int numFriends) {if (numFriends 1) {return word;}string res;for (int i 0;i &…...

精益数据分析(97/126):邮件营销与用户参与度的关键指标优化指南

精益数据分析(97/126):邮件营销与用户参与度的关键指标优化指南 在数字化营销时代,邮件列表效度、用户参与度和网站性能等指标往往决定着创业公司的增长成败。今天,我们将深入解析邮件打开率、网站可用性、页面参与时…...

听写流程自动化实践,轻量级教育辅助

随着智能教育工具的发展,越来越多的传统学习方式正在被数字化、自动化所优化。听写作为语文、英语等学科中重要的基础训练形式,也迎来了更高效的解决方案。 这是一款轻量但功能强大的听写辅助工具。它是基于本地词库与可选在线语音引擎构建,…...