Ttplanet SDXL Controlnet Tile Realistic

🚀 擴散器（diffusers）模型卡

這是一款基於Controlnet的圖像特徵提取模型，適用於圖像細節增強和風格轉換，能為穩定擴散（Stable Diffusion）SDXL控制網絡提供支持，提升圖像質量。

🚀 快速開始

本模型是基於SDXL的Controlnet Tile模型，使用Hugging Face的擴散器（diffusers）進行訓練，適用於Stable Diffusion SDXL控制網絡。以下是使用方法：

• Webui：在Webui中選擇Tile模型，並使用tile_resample進行終極放大腳本。
• Comfyui：在Comfyui中加載控制網絡模型，並應用於控制網絡條件。

✨ 主要特性

Tile V2更新特性

• 訓練優化：全新的Tile V2模型，採用了大幅改進的訓練數據集和更多的訓練步驟。
• 對象識別：Tile V2能夠自動識別更廣泛的對象，無需明確的提示。
• 顏色偏移修復：對顏色偏移問題進行了顯著改進。若仍存在明顯偏移，可添加提示或使用顏色修復節點。
• 控制強度增強：控制強度更加穩健，在某些情況下可替代Canny + Openpose。

其他特性

• 非放大模型：Tile模型並非放大模型，它主要增強或改變原始尺寸圖像的細節。
• 風格保留：該模型不會顯著改變基礎模型的風格，僅為放大後的像素塊添加特徵。
• 數據集適配：在使用數據集中的圖像時，模型表現更佳。
• 風格轉換：除基本功能外，Tile還能根據所選模型改變圖片風格。選擇預處理器為None（非重採樣），可通過一張圖片創建不同風格。

📦 安裝指南

文檔未提及安裝步驟，暫不提供。

💻 使用示例

基礎用法

風格更改應用（服裝更改並保持一致姿勢）

1. 打開A1111 Webui。
2. 選擇要用於Controlnet Tile的圖像。
3. 設置100%預處理器為None，控制模式為“My prompt is more important”。
4. 在正負文本框中輸入提示，生成所需圖像。例如，若要更改服裝，可輸入“a woman dressed in yellow T - shirt”；若要更改背景，可輸入“in a shopping mall”。
5. 支持高分辨率修復（Hires fix）。
6. 最終將得到如下結果：

終極SD放大應用

這是一個簡化的終極放大工作流程，你可根據實際情況對圖像進行預處理。例如，對於600 * 400的低質量圖像，可先進行圖像到圖像的轉換，降噪率設為0.1，將其放大到1200 * 800，再進行終極放大處理。 若需要人臉保持一致，請添加IPA處理；對於低質量圖像的圖像到圖像轉換，也請在原始預處理中添加IPA。請記住，先提高分辨率再降低分辨率始終是提升低分辨率圖像質量的最佳方法。 簡化的終極SD放大工作流程

高級用法

• 參數設置：
  • Tile放大：將降噪率設置在0.3 - 0.4可獲得較好效果。
  • 控制網絡強度：設置為0.9是較好的選擇。
  • 人像修復：在控制網絡中使用IPA和提前停止可獲得更好的結果。
• 模型選擇：選擇一個好的寫實基礎模型非常重要。

📚 詳細文檔

注意事項

• 內容限制：請不要將本模型用於成人內容。
• 風格適用：本模型基於寫實訓練集，不保證適用於漫畫、動畫等風格。

推薦建議

• 工具選擇：建議使用Comfyui構建自己的放大流程。
• 致謝：特別感謝Controlnet的開發者lllyasviel Lvmin Zhang（Lyumin Zhang）帶來的樂趣，也感謝Hugging Face提供的訓練集，使訓練過程更加順利。

🔧 技術細節

本模型是基於SDXL的Controlnet Tile模型，使用Hugging Face的擴散器（diffusers）進行訓練。原始訓練是為個人寫實模型項目服務，用於終極放大過程以提升圖片細節。通過適當的工作流程，它可以為高細節、高分辨率的圖像修復提供良好的結果。

📄 許可證

本模型使用OpenRAIL許可證。

🔍 模型信息

📞 模型卡聯繫信息

• Discord：“ttplanet”
• Civitai：“ttplanet”
• QQ群：294060503

⚠️ 重要提示

• Tile模型不是放大模型，它只增強或改變原始尺寸圖像的細節，使用前請牢記。
• 請不要將本模型用於成人內容。
• 本模型基於寫實訓練集，不保證適用於漫畫、動畫等風格。

💡 使用建議

• 使用Comfyui構建自己的放大流程。
• 選擇一個好的寫實基礎模型。
• 對於Tile放大，將降噪率設置在0.3 - 0.4；控制網絡強度設置為0.9。
• 對於人像修復，在控制網絡中使用IPA和提前停止。