Stable Diffusion【进阶篇】：模特换装之图生图实现

Stable Diffusion【进阶篇】：模特换装之图生图实现

引用

CSDN

1.

https://blog.csdn.net/2401_85116933/article/details/140373178

真人换装是图生图的一个典型应用。在图生图中可以通过局部重绘和涂鸦重绘两种方式实现，2种实现方式都差不多，不同的在于涂鸦重绘可以指定衣服的颜色。我们先看一下模特换装的实现效果。

原图片

只改变模特的上衣或者裤子。

改变整个模特的服装。

下面我们来详细看一下图生图实现模特换装的具体实现方式。这里以图生图的局部重绘为例来进行说明。

第一步：局部重绘图片上传以及相关参数设置

在图生图功能菜单界面，我们选择【局部重绘】上传一张我们需要模特照片。

使用右边红框的画笔，将模特的服装区域涂白（这里根据需要选择服装的涂白区域，比如有些是涂白衣服，有些是涂白裤子，有些是涂白外套等）。

下面进行相关参数设置。

• 蒙版模式：重绘蒙版内容，针对我们使用画笔涂白的地方进行重绘。
• 蒙版区域内容处理：原图，只针对原图片的基础上进行一个小的改动
• 重绘区域：整张图片
• 采样器：DPM++2M Karras
• 采样迭代步数：40
• 图片宽高：保持和上传的图片宽高一致或者定比例的放大或者缩小。
• 重绘强度：建议设置在0.6-0.8之间，这个参数值并不是固定的，在实际使用过程中可以多尝试不同的重绘强度值，这里可以使用脚本插件的方式一次生成不同重绘强度值的多张图片。

第二步：提示词的编写

对于美女模特换装，我们只需要在正向提示词文本框中输入更换的服装关键词即可。

第三步：大模型的选择以及图片的生成

大模型我们选择一个写实的大模型即可，这里我们选择majicMIX realistic。

原图

正向提示词：pink dress（粉色裙子）

正向提示词：white slip dress（白色吊带裙）

正向提示词：cheongsam（旗袍）

正向提示词：hanfu（汉服）

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。