您现在的位置是：首页 >技术教程 >stable-diffusion-webui 中 Controlnet 使用说明网站首页技术教程

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.git

2. 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（$I_{origin}$），ControlNet 根据指定的模式对参考图进行预处理，得到一张新图（$I_{new}$），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 $I_{origin}+I_{new}=I_{final}$

• 上述流程的两个阶段，对应用到的模型有两种：

1. 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

2. 裁剪版本

预训练模型（models）

• 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

• 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 extensionssd-webui-controlnetannotatoruniformer 目录。因为 SD 自己也有一个 modelsuniformer 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 modelsuniformer 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#gid=0
  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

1. 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。

2. 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

3. 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。

4. Allow Preview

• 允许预览图像

5. 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。

6. 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。

7. 权重（Weight）

• 权重代表使用 ControlNet 生成图片的权重占比影响。

8. 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

9. 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

10. Control Mode

• 选择权重的重要强度，相当于从前版本的 Guess Mode

11. 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

• 5分钟学会Stable Diffusion强大的ControlNet插件