draw things 加入 focus in paint 模型也许是目前 sd 最好的 in painting 模型,今天继续为大家介绍一下 draw things 这款 mac 端 sd 工具的进化。因为该软件最近加入了基于 sdxl 的 in painting 模型,可以在更高级别的美学层面对大尺寸的图像进行填充、修复和扩图。 相信大家也都非常清楚 in paint 模型对于 ai 绘画的重要性,能够智能的修复和拓展图像。 focus 是中国 ai 开发者张云敏既 control net 之后推出的独立的 stable diffusion 绘图程序。 focus in paint 模型被认为是最佳的基于 s, d, x l 的修复变种开源模型。 该模型能够及时加入 draw things, 是一项巨大的进步和能力跃升。下面大狂将在电脑上为大家演示 focus in paint 的使用方法以及我的一些使 实践和发现。第一步,下载模型 focus in paint 是一个非常强大的修复模型,既可以以基础底膜的形式存在,也可以以 lower 的形式存在来搭配其他基于 sdxl 的底膜。 所以在这里请大家分别在基础模型和 lora 里面找到 focus in paint s, t, x l v 二点六来下载。建议大家下载巴贝特的版本,可以占用更小的空间,有更快的出图速度。第二步,使用方法演示 首先我们需要一张底图,我用 playground 生成了一张狗坐在板凳上的图片。 第一种情况,我们以 focus in paint 作为底膜来扩展图像,把原来的一比一的方图扩展成三比二的横图,两侧留出透明区域设置就和我们 s, d, x l 的出图设置是一样的,在这里我把我的参数分享给大家。 步数我选二十步,文本指导七、采样器用 d p m 加加二 m cares, 可以用橡皮擦稍微涂抹一点原图的边缘,也可选择不涂抹,大家可以自己对比一下。点击生成扩图的过程与 sdxl 出图的过程没什么两样,在我八 g 内存的 m 一上,用时二分三十秒,扩图成功, 大家看看这扩图效果非常的完美。 扩图完之后,我们试试填充效果如何,把狗变成猫试试,我们用橡皮擦涂抹掉狗提示词换成猫,点击生成, 这个结果大家还满意吗?或者把猫眼抹掉,只剩下板凳, 大家看看结果, 效果确实是非常不错,但是时间有点长啊,当然你们电脑配置高,就当我没说,我这个二分三十秒等的挺难受,但是别忘了有 lcm 和 turbo 加速模型啊, 在这里给大家省时间,大家在 lora 那里选择 lcm sdxl base, 然后采样,其选择 lcm, 步数调到四,文本指导调到一至二之间, 再点击生成,仅用时三十秒左右就可以完成。根据我十天左右的测试, focus 主模型搭配 lcm 的 laura 出图并不稳定, in painting 效果还好,但是 out painting 扩图经常会出现模糊没渲染 完成的结果。 所以为了加速,我一般不选择 lcm laura, 而是选择今天我要为大家重磅介绍的 sdxl turbo laura。 turbo laura 这个模型并不被大家熟知,它可以让任何 s d x l 基础模型得到 turbo 加速的效果。有了 turbo laura, 任何 s d x l 的底膜只需要四到五步,用 d p m 加加 s d carrots, 这样极少的步数就可以生成高质量的图片。 同理, focus in paint 是基于 sdxl 的底膜,搭配 turbolora 之后,我们把步数调到四,采样器 dpm 加加 sd carrous, 文本指导一到二都行,点击生成结果如下,经过我的长期测试, focus in paint 搭配 turbolora 是目前最佳的解决方案,速度有非常可观的提升, 同时出图的质量非常稳定。这也是大款我目前最常用到的填充和扩图组合方案。我把该设置保存为 focus turbo, 对于需要扩图的图片随时调用该设置效率高,同时效果非常理想。 第二种情况是 focus in paint 作为 lower 来使用,这样做的好处是它允许你搭配任何其他基于 sdxl 的主模型,有助于生成 风格一致的填充或括图。还是刚刚那张狗狗的案例图。我们在 lora 这里选择 focus, 那么主模型的选择面积很大了。主模型你可以选择一般的 sdxl 微调模型,比如 dreamship xl, 那么步数就得二十步往上,文本指导也要调到六到七,出图速度会比较慢,但是质量有保证。 最好的办法是主模型,你也可以选择基于 sdxl turbo 的融合模型,比如 dreamship turbo, turbovation realistic research turbo 等,那么你就可以基于该主模型的特点,以较少的步数快速扩图和填充了。 可以说 focus in painting 个基础模型,一个 laura 这套组合拳,再搭配上 turbo 模型的加速快车,让 draw fans 变得非常好用。再次把 ai 填充和括图提升到一个 sdxl 级别的水平,在 mac 端进行 stable diffusion 创作,我早已完全依赖 draw fans 这款软件, 也希望今天我的实践和分享可以帮助到同样使用 dt 创作的朋友。如果有任何问题可以添加大狂讨论,我们共同进步。我是工具狂效率提升专家,欢迎订阅关注。
粉丝4192获赞1.8万

如何在 draw things 上玩转 control net 这一期的内容计划了很久,今天才上线,很多 mac 用户也很期待,希望能有多一些的 draw things 教程视频分享。 在往期的视频中,大狂为大家介绍过 draw things 的基础界面以及 ai 填充和扩图,今天专门为 control net 而来,主要介绍下面十二种控制网模型在 draw things 里面的操作方法,希望通过我的实践为大家提供参考和帮助,有不妥不周之处,请大家直接留言指出,给我一个进步的机会。 control net 控制网的开发者是来自中国的张吕敏,让仅靠提示词天马行空的 ai 绘画可以受到人为的控制和约束,通过一些特定的约束模型,让 ai 出图变得可控。 control net 应该说和 stable defusion web ui 配合的非常好,一些 s d 玩家已经玩的不亦乐乎,但是很少有 a p p 能 能做到把 control net 进行很好的融入。在我眼中, draw fans 在这方面做的相当不错了,但是在操作方面有很多隐含的技巧需要大家注意。今天大狂特此与各位分享我的经验。 打开 draw fans, 大家可以把后缀为 control net 一点一的这些模型统统下载下来,其他的可以暂时不用管。第一部分,我们介绍线稿类的控制模型。 首先任意选择一个大模型,我选的是 realistic question v 四零控制网选择 canad, 这是一个检测对象边缘线条的模型,对内部的细节检测并不精细。下面我们以这张图片为案例,生成一张新图, 注意在 ybui 里面使用 control net 都有一个预处理的过程,所以配备了很多类型的预处理器。 但是在 draw fans 里面,这个过程是隐藏的,也没有预处理器的按钮。对于 kenny 来说,你只需要把一张底图丢进去,然后进入描述词,就可以根据这张底图的线稿边缘生成一张同样边缘的不同对象。这种操作在 mac 里面更加直观简洁,而且出图比较稳定。 再次注意,对于 candy 来说,可以直接读取底图的线导边缘,但是对于 light art, scribble 以及后面还有的其他模型来说都不行。 控制网有没有起作用,可以从图片生成过程中的参数行直接看出来,这个是黄金判断标准。 lieart 是更为精细的线稿检测模型。要成功加载 liearte, 需要点击图框右下角的图层按钮,点选加载图层自定义,从文件中获取自定义。 经过这番操作,再点击生成 line art, 控制网就开始起作用了。 其他的控制网都可以通过自定义的方式来加载,而 kenny 是可以直接读取底图的。 line art 生成的结果我们可以看到,它不仅很好的控制了外部边缘人物内部衣服的纹理、褶皱,包括格子衫的线条都进行了控制。所以说 line art 是一种非常强烈的线稿控制网。 line art anime 是一种对卡通动漫效果更好的控制, 我就不介绍了。 soft edge 也是类似的,从名字可以看出它是一种柔和的边缘过渡,效果更好。你甚至可以理解为把 liar 进行了轻微的羽化就得到了。 soft edge 要在 draw things 里面起作用,同样需要加在图层自定义, 不同的是, scribble 这种属于非常粗放的草稿,不用于精准控制,随便画几笔快速生成大致的创意和想法是 scribble 干的事儿。在 clip drop 网站上有个类似的产品,大狂上次介绍过叫 stable doodle。 还有一种略有不同的是, m l s d 是专门检测直线的模型,对于建筑室内装饰是很好的选择。注意 m l s d 模型可以不需要加载自定义,在 draw things 里面 可以像 kenny 一样直接读取地图。 好了,第一部分线稿检测类的控制网讲完了, kenny、 line art soft edge scribble 以及 mlsd。 总结一下,在 draw things 里面操作预处理器是隐藏的, kenny 和 m l s d 是可以直接读取底图生成新图的。 light art soft edge scramble 是需要通过加载图层自定义,从文件中获取自定义来起作用的 线稿生图。在 drosins 里面还有一种很实用的玩法,就是生成艺术。字与场景的融合对于商业化设计很有意义。首先在 ps 里面准备一张黑底白字的图片, 比如六一八,然后选择 canny, 就可以让 ai 纵情发挥想象力,把六一八与各种场景融合起来。接下来我们来看 toyo 模型,这个模型我非常喜欢, 他是一种将图片高清化的控制网。和一般放大模型不同的是,他忽视原图的细节而生成全新的细节,但是保持大致的主体轮廓相同。 我们以刚刚通过 soft h 生成的一张图为案例,这张图分辨率只有三百二十乘以五百一十二,看着非常模糊,图像质量较低,这时候胎有模型可以很好的发挥作用。 我们把图像大小调整为原图的两倍,六百四十乘以一千零二十四,我们可以看到底图缩小到了画面的一半,这个时候我们点击画框左下角的倍数,选择两倍,将画框填满,然后点击生成,就会进行高清重采样,得到一张与底图轮廓基本一致的高清 大图,图片质量非常高。 接下来再看 depth map 深度图。深度图是一种展示图像纵深关系的黑白灰图片,深度图中的白色表示距离相机很近的物体,灰色为较远的物体,黑色为最远的物体。 通过深度图可以生成具有纵深关系和立体感的图片。在 drawface 里面使用深度图控制网同样需要加载图层,但是请注意这里面选择深度图,从文件中获取深度图,这时候右侧会显示黑白照片,再点击生成深度控制就会起作用。 但是我强烈建议大家在 draw fans 里面使用深度控制网,不要这么做,这似乎是一个 bug, 这个深度图有问题,不精确,建 大家在 ybui 里面预处理出深度图,在这里加载使用,或者直接通过大狂提供给大家的 hiding face 网页专门生成深度图 下载下来,然后再到 draw fans 里面加载这个深度图文件,这样生成出来的深度图控制效果要好很多。利用深度图同样可以生成这种立体感以及融合感更强的艺术文字图片,可以让设计效率大大提升。 接下来我们快速讲解一下 in painting, 因为在第十六期 draw things ai 填充及括图里面,我已经有过详细演示。 控制网 in painting 和主模型里面的 in painting 有一点不同的是,它允许你搭配任何微调风格的主模型来实现 ai 填充和扩图。还是刚刚生成的那张罗马巨石的图片,我们想在石头上长点苔藓,用橡皮 擦涂抹一块描述词,键入相关苔藓的提示词,石头就长出苔藓了。如果要扩图,可以直接面板缩放, 或者仅仅只想拓宽,在输出图像尺寸那里选择自定义,把宽度拉长就行。然后橡皮擦或者选区工具适当涂抹掉一点原图的边缘,点击生成,轻松完成毫无违和感的扩图。 然后我们重点介绍一下 openpose 姿势控制网,该模型对于生成特定姿势的人物效果出色,尤其对于电商图片摆拍等很有帮助。 我们拖入一张案例图,选中 pose, 该模型支持直接读取底图,可以直接键入提示词生成新图。 不过这张图在空间维度,手臂、手掌有一些交错。 draw things 内置的预处理器还是老版本的简易预处理器。我们点击右下角图层按钮,点击姿势,可以发现预处理器仅仅识别到了手腕的部分,手掌并未识别, 因此生成的图片在手部动作方面出现了差异。如果希望有更精确的动作控制,建议大家先进入 ybui, 在 ybui 预处理器里面生成包含手部的骨架图, 或者包含脸部表情的全身骨架图。这个预处理的过程很快,就几秒钟。把骨架图下载下来,放到 drophins 加再次定义就可以生成包含手部动作的图片了,当然也可以生成相同表情的图片。 openpose 的玩法很多,有一些第三方的网站支持自己编辑动作或者三 d pose, 包括 savtai 网站上 也有很多现成的模特摆拍的骨架图都可以直接拿来用。总结一下,普通的身体骨架图可以直接读取底图生成新图。全身骨架图需要先通过 ybyy 预处理,然后到 drafas 里面加载自定义来实现, 之后是 segmentation 语意分割。在 draw things 里面同样需要加载自定义来实现。他的预处理的过程是把不同的对象分成大的颜色块,然后根据提示词在这些色块里面生成新的对象。他比较擅长各种大色块对象的分割处理,然后在这些色块里进行变种。 事实上,羽翼分割生成的预处理图片中的颜色快对应的实体都是确定的,比如这种代号的黄色对应人行道,这种代号对应的紫色是床。如果你想进行高级的玩法,完全可以先预处理出 segmentation 色块,然后在 ps 里面编辑和组合各种 色块关系,然后导入到 draw fans 里面生成新图。剩下的两个有关风格转换的控制网用到的并不是太多, safo 需要加载自定义来起作用,通过将原图打乱,按照原图的风格重新生成新图。 他更多的用途可能通过与线稿类 control net 组合来生成新图。比如我用官方案例的蜘蛛侠的 kenny 和一个城市夜景的沙否进行组合,蜘蛛侠就与这个夜景融合到了一起, 而 instruct picks to picks 就更简单粗暴了。直接描述词让原图下雪他就变雪景,让他变成炎热的夏天,画面立刻变得炙热,需要变成凉爽的树叶,满地的秋天立马帮你实现。 这两种风格转换的模型还是非常有用的。以上就是大狂为大家介绍 的 controlled 一点一里面主要的十二种控制网模型,在 draw fans 里面的使用教程,要熟练掌握他们的用法,最关键的是要不停的自己去实际操作和试验,甚至还有多种 controlled 模型相互配合的情景,以及 controlled 的权重和介入和结束的时机,这些都需要大家去反复练习,我就暂时不扯远了。 如果觉得今天的视频对你有所帮助,可以送个小小的赞以示支持。我是工具狂,效率提升专家,我们下期再见!
![Kontext实测评价,相关宝藏资源以及实用小技巧分享 Kontext虽然强,但依然有需留意的缺点。测试使用的draw things(Mac和iPhone可用)#AI绘图 #测评 #技巧 #代码
运行配置:
{"loras":[],"teaCacheThreshold":0.3,"zeroNegativePrompt":false,"seed":123456789,"maskBlur":0,"resolutionDependentShift":true,"tiledDiffusion":false,"teaCacheStart":5,"batchCount":1,"height":1024,"sharpness":0,"separateClipL":false,"width":1024,"steps":20,"strength":1,"model":"flux_1_kontext_dev_q5p.ckpt","batchSize":1,"seedMode":2,"teaCacheEnd":-1,"controls":[],"teaCache":true,"hiresFix":false,"maskBlurOutset":0,"preserveOriginalAfterInpaint":false,"sampler":15,"guidanceScale":3,"tiledDecoding":false,"shift":3.1581929,"teaCacheMaxSkipSteps":3,"speedUpWithGuidanceEmbed":true,"clipSkip":2}](https://p3-pc-sign.douyinpic.com/tos-cn-p-0015/o8LoQACQBAfQ7l705IR1eDfAu5MG3LzUGauMcB~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2092633200&x-signature=IFdiISlcMbBFHf0329U%2BqrB1v5k%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=202604271516548E0FCF562DA42E7D5AE6)

我是抓粉丝 app, 根据上面这段文字绘制的。没错,他是我通过这个 app 用上面描述的文字生成的。别眨眼搞定。 开衫颜色有点暗,我们来个颜色艳丽一点的大红色怎么样?描述词换成红色系开衫走,你搞定,再来其他颜色感受一下。 感兴趣的话可以到苹果 app store 下载 girl things 体验一下,只要你能描述出来,他就能画出来。没错,是啥都能画! 快去发挥你的想象吧,后期出更多玩法教程,换服装、换脸等各种用法。

这是一个 busabel diffusion 模型,在进阿房里的 app 再也不用梯子,不用排队,永久免费,不怕服务商跑路,更多可调参数不受服务商限制了。

drains, 一个小脚本轻松搞定面部畸形有了这个脚本,可以让你的每一张人物图都可以拥有一张完美的脸,不管是全身照 还是画面中有多个人物都可以解决,从此告别费脸。 首先我们必须要了解一下 stable defusion 的局限性,那就是生成人物的时候,大头照或者半身照可以很完美,但是全身照以及画面有多个人物时往往很难 hold 住,很大几率你会得到这样的出图结果。 这时候如果你需要一张较好的画面,就需要通过 inpent 模型去用橡皮擦进行局部重绘来修脸了。 在 s d y b o i 里面,你也可以选择通过 a d tailor 等插件来修复。 而在 mac 上的 draw things 社区,有网友就写了一款小脚本,能实现类似 a d tailor 的功能,目前仅限于面部,手部还不行。大狂先为大家演示一下这个脚本的功效, 该脚本目前演化了三个版本,一个是 single detailer, 针对当前画板中的单个人脸进行修复。第二个是 multiface detailer, 可以修复画面中的所有人脸。第三个是 detailer, 是生成图像的过程中直接修复人脸。 我们先看第一个 single detailer, 比如你生成了一张全身照,一个女孩在街道上走路,把面部放大,可以发现这张脸很奇怪, 直接点击脚本,点击 send god detailer 运行,便会自动识别人脸进行修复。 我们来看修复后的结果, 再给大家展示一下另外一个案例。 第二个脚本是应对画面中多个脸的,比如我们生成一张多个人在办公室里面的画面,一不小心生成了五个人五张脸, 不出意外脸部全崩了,个个都是怪兽。 这时候我们点击脚本 multiface detailer, 便开始一张脸一张脸的修复, 最终五张脸全部搞定,画面变得可用, 再给大家测试一个案例。 第三个脚本是直接出图的时候就修复了,我直接给大家演示一下, 比如我们生成一张一个人站在树林里全身照的照片,我们把模型参数以及提示词写好之后,直接点击 dtler 脚本就行。生成的结果可以放心,面部肯定没问题, dtler 就相当于自动执行出图之后的面部修复过程。 有了这三个脚本,全身照,多张脸的不完美问题都可以轻松搞定。最后大狂给大家 简单介绍一下这款脚本的原理,他首先用到了人脸自动识别的技术,随后实现画面自动放大到人脸部分,用一比一的方形画布,因为训练尺寸的画布在人脸的范围内,可以更好的修复人脸。脸部修复使用的是橡皮擦和百分之四十的图声图,并通过蒙版模糊及外沿实现自然过渡, 这些大家可以通过修复过程的参数发现。 那么如何在 draw things 里面导入这三个脚本呢?这三个 j s 脚本文件我放在网盘里面,大家下载之后找到 draw things 的数据目录,目录的具体路径如下, 直接放到 scripts 文件夹里面,重启 draw things 就会显示了,这是比较快捷的方法,如果不嫌麻烦,也可以通过点击脚本 创建,然后把下载的 g s 文件的代码复制粘贴进去也是可行的。 以上就是今天的全部内容了,通过简单的小脚本解决了面部生成的问题。 我是工具狂,挖掘各类优质工具,专注效率提升,欢迎订阅关注不迷路,我们下期再见!

电脑上的系列背后的 few chinese 生成的图像效果,手机上的 process 生成的图像效果,一个不满意还可以让手机再来点小姐姐, 还可以来点外国小姐姐,动漫小姐姐, 漫画小姐姐,小姐姐,玩腻了也可以画点其他的。现实买不起房,但你可以画套房,画套帐篷,还可以看风景。

你不会觉得这种手写文字或手绘图形的创意动画是拍摄的吧?那你就错了,其实他只需要一款 a 插件就可以轻松实现了。 automatic whiteboard 就是一款非常智能的手绘动画生成插件,你只需要打上任意文字,然后简单设置参数,点击生成动画就 ok 了。 当然,如果你在 a i 中制作了适量图形,那你就把适量图形拖入 ae 中,也可以轻松实现图形手绘的路径动画百万点赞的视频就靠它了,赶紧去试一试吧!宝藏级插件,影视后期剪辑必备,值得收藏!

这样的艺术自用 ai 怎么做? draw things 内实现非常简单, ai 在艺术字创作方面是一个很好的应用领域,今天就给大家快速介绍一下这个实用的技巧。所有的操作都在 draw things 软件内进行,一分钟即可学会,且看大狂在 mac 电脑上为大家演示一下。一、模型下载 首先请大家在软件内下载几个必要的 control net 模型,今天以 s d 一点五为例为大家讲解,所以请大家下载 ip adapter plus 以及 depth map 这两个 s d 一点五的版本即可。 那么底膜也要对应是 s d 一点五的底模。在这里大款使用的是 realistication v 六零这个 s d 一点五的微调模型。二 二、准备文字图请大家在 photoshop 内准备一张黑底白字或者白底黑字的文字图,尺寸五百一十二乘以五百一十二,当然你也可以设置为其他合适的尺寸。考虑到文字字体会填充图案,所以请大家尽量选择粗体字。我这里使用的字体是京南波波黑, 写好字之后把文字图片导出。三、直接在 draw things 软件内创作艺术字 因为今天我们介绍的方法是使用 ip adapter 风格赋予来创作艺术字,所以首先我们需要一张电图,说白了就是你想要你的艺术字是什么风格的图片。 我在网上找了一张艺术字的样式图作为电图,我把底膜选择到 realistic vision v 六零 ctrl net 一个 ip adapter, 再添加一个,选择 depth map, 我们在右下角的图层这里选择创意板,把电图拖进去。 随后我们再选择深度图,把鼠标滑动到加载图层深度图,从文件中提取深度图。在这里务必注意,这里是提取深度图,不是获取深度图。这是作者最新加入的 depth anything 的深度图提取模型,首次使用会下载模型, 然后选择你的黑底白字的文字图,即可提取到文字的准确深度图了。这个时候我们既有了创意版的风格电图,也有了文字的深度图, 就可以直接点击生成了,不需要任何提示词。我同时搭配了 l c n 的 lora 来加速,只用四步就可以快速生成一张和电图风格一样的艺术字了。这个风格的 术语可以说真的是天衣无缝,你想要任何其他的文字都可以, 就是这么简单。 按照同样的思路,我还可以更换其他风格的电图,生成了海量的艺术字案例都是使用的。这个方法非常上头, 我使用的是 s d 一点五作为演示。如果大家使用 s d, x l 同样是支持的,那么在 control net 那里就要选择基于 s d x l 的 ip adapter plus 以及 dap map 了。所得到的最终结果是一样的, 如果你希望你的艺术字与背景有更好的融合效果, 可以适当的调整 depth map 的权重和结束时机,通过不断的调整这个参数测试来达到你想要的效果。 以上就是 ai 艺术字在 draw things 软件端的实现方式,除了 depth 之外,你也可以尝试使用 kenny 等其他类型的 control net 来生成,只不过我认为 depth 可以实现的效果更好。 今天的内容就到这里,我是工具狂,深度挖掘各类优秀工具,欢迎订阅关注!