Ttplanet SDXL Controlnet Tile Realistic

🚀 扩散器（diffusers）模型卡

这是一款基于Controlnet的图像特征提取模型，适用于图像细节增强和风格转换，能为稳定扩散（Stable Diffusion）SDXL控制网络提供支持，提升图像质量。

🚀 快速开始

本模型是基于SDXL的Controlnet Tile模型，使用Hugging Face的扩散器（diffusers）进行训练，适用于Stable Diffusion SDXL控制网络。以下是使用方法：

• Webui：在Webui中选择Tile模型，并使用tile_resample进行终极放大脚本。
• Comfyui：在Comfyui中加载控制网络模型，并应用于控制网络条件。

✨ 主要特性

Tile V2更新特性

• 训练优化：全新的Tile V2模型，采用了大幅改进的训练数据集和更多的训练步骤。
• 对象识别：Tile V2能够自动识别更广泛的对象，无需明确的提示。
• 颜色偏移修复：对颜色偏移问题进行了显著改进。若仍存在明显偏移，可添加提示或使用颜色修复节点。
• 控制强度增强：控制强度更加稳健，在某些情况下可替代Canny + Openpose。

其他特性

• 非放大模型：Tile模型并非放大模型，它主要增强或改变原始尺寸图像的细节。
• 风格保留：该模型不会显著改变基础模型的风格，仅为放大后的像素块添加特征。
• 数据集适配：在使用数据集中的图像时，模型表现更佳。
• 风格转换：除基本功能外，Tile还能根据所选模型改变图片风格。选择预处理器为None（非重采样），可通过一张图片创建不同风格。

📦 安装指南

文档未提及安装步骤，暂不提供。

💻 使用示例

基础用法

风格更改应用（服装更改并保持一致姿势）

1. 打开A1111 Webui。
2. 选择要用于Controlnet Tile的图像。
3. 设置100%预处理器为None，控制模式为“My prompt is more important”。
4. 在正负文本框中输入提示，生成所需图像。例如，若要更改服装，可输入“a woman dressed in yellow T - shirt”；若要更改背景，可输入“in a shopping mall”。
5. 支持高分辨率修复（Hires fix）。
6. 最终将得到如下结果：

终极SD放大应用

这是一个简化的终极放大工作流程，你可根据实际情况对图像进行预处理。例如，对于600 * 400的低质量图像，可先进行图像到图像的转换，降噪率设为0.1，将其放大到1200 * 800，再进行终极放大处理。 若需要人脸保持一致，请添加IPA处理；对于低质量图像的图像到图像转换，也请在原始预处理中添加IPA。请记住，先提高分辨率再降低分辨率始终是提升低分辨率图像质量的最佳方法。 简化的终极SD放大工作流程

高级用法

• 参数设置：
  • Tile放大：将降噪率设置在0.3 - 0.4可获得较好效果。
  • 控制网络强度：设置为0.9是较好的选择。
  • 人像修复：在控制网络中使用IPA和提前停止可获得更好的结果。
• 模型选择：选择一个好的写实基础模型非常重要。

📚 详细文档

注意事项

• 内容限制：请不要将本模型用于成人内容。
• 风格适用：本模型基于写实训练集，不保证适用于漫画、动画等风格。

推荐建议

• 工具选择：建议使用Comfyui构建自己的放大流程。
• 致谢：特别感谢Controlnet的开发者lllyasviel Lvmin Zhang（Lyumin Zhang）带来的乐趣，也感谢Hugging Face提供的训练集，使训练过程更加顺利。

🔧 技术细节

本模型是基于SDXL的Controlnet Tile模型，使用Hugging Face的扩散器（diffusers）进行训练。原始训练是为个人写实模型项目服务，用于终极放大过程以提升图片细节。通过适当的工作流程，它可以为高细节、高分辨率的图像修复提供良好的结果。

📄 许可证

本模型使用OpenRAIL许可证。

🔍 模型信息

📞 模型卡联系信息

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

⚠️ 重要提示

• Tile模型不是放大模型，它只增强或改变原始尺寸图像的细节，使用前请牢记。
• 请不要将本模型用于成人内容。
• 本模型基于写实训练集，不保证适用于漫画、动画等风格。

💡 使用建议

• 使用Comfyui构建自己的放大流程。
• 选择一个好的写实基础模型。
• 对于Tile放大，将降噪率设置在0.3 - 0.4；控制网络强度设置为0.9。
• 对于人像修复，在控制网络中使用IPA和提前停止。