问小白 wenxiaobai
资讯
历史
科技
环境与自然
成长
游戏
财经
文学与艺术
美食
健康
家居
文化
情感
汽车
三农
军事
旅行
运动
教育
生活
星座命理

如何用AI换衣服(Inpaint Anything)

创作时间:
作者:
@小白创作中心

如何用AI换衣服(Inpaint Anything)

引用
1
来源
1.
https://www.bilibili.com/read/mobile?id=34127419

您可以使用 Stable Diffusion AI 免费更换图像中的衣服。您可以通过以下方式指定新衣服:

  • 新衣服的文字描述
  • 图案图像
  • 新衣服的图片
    以下是人工智能生成的一些衣服样本。
    软件
    我们将使用 Stable Diffusion,一个流行且免费的稳定扩散软件。您可以在 Windows、 Mac或 Google Colab上使用此 GUI 。
    Inpaint Anything 扩展
    要在 Stable Diffusion WebUI 中安装Inpaint Anything扩展:
  1. 正常启动 Stable Diffusion WebUI
  2. 导航至 扩展 页面
  3. 单击 从 URL 安装 选项卡
    4.在扩展的 git 存储库的 URL 字段中输入以下 URL 。
    https://github.com/geekyutao/Inpaint-Anything
  4. 单击 “安装” 按钮。
  5. 等待安装完成的确认消息。
  6. 重新启动 Stable Diffusion WebUI。
    用 Inpaint 修复任何东西
    让我们更改下图中的衣服,同时保持其他所有内容不变。这是展示时尚产品变体的常见用例。
    您需要在她的衣服上创建一个修补面具。然而,很难精确地手动创建掩模。这就是 Inpaint Anything 扩展可以提供帮助的地方。
    第1步:上传图片

    在 Inpaint Anything 中使用图像之前,您可能需要将其大小调整为适合稳定扩散的大小。让我们将宽度调整为 1024 像素。
    安装扩展后,您应该会看到Inpaint Anything页面。转到修复任何内容页面。
    将图像上传到输入图像画布。
    第 2 步:运行分割模型
    单击“Run Segment Anything”按钮。它运行Segment Anything 模型(SAM),该模型创建图像中所有对象的掩模。
    您应该看到这样的分割图。不同的颜色代表所识别的不同对象。
    第 3 步:创建蒙版
    使用画笔工具在要保留的对象上绘画。由于我们想要重新生成裙子,因此您需要在裙子上绘画。
    你不需要画整件衣服。衣服的每一部分都有一个点就可以了。
    单击Create Mask以在选定区域上创建蒙版。
    如果您发现蒙版未覆盖您想要的所有区域,请返回分割图并绘制更多区域。
    如果图像太小,看不清各个部分,请将鼠标移到图像上,然后按S 键进入全屏。按R 键重置
    您还可以使用以下按钮来修改蒙版:
  • 扩展遮罩区域:向各个方向稍微扩展遮罩。
    您还可以手动添加或减去区域。首先,使用修复工具遮盖遮盖图像的某个区域。
    使用以下按钮:
  • 通过草图修剪蒙版:从蒙版中减去绘制的新区域。
  • 通过草图添加蒙版:将绘制的新区域添加到蒙版中。
    第 4 步:将蒙版发送至修复
    您可以直接在 Inpaint Anything 扩展中进行修复。然而,功能是有限的。我更喜欢将蒙版发送到 img2img 页面进行修复。
    Inpaint Anything扩展页面上,切换到“仅遮罩”选项卡。
    单击获取蒙版。按钮下方应出现黑白遮罩。
    单击发送到 img2img inpaint
    图像和修复蒙版应出现在img2img页面上的修复上传选项卡中。
    单击“自动检测尺寸”按钮(三角形比例图标)以检测图像的尺寸。
    使用以下设置进行修复:
  • Checkpoint Model:majicmixRealistic_v7.safetensors [7c819b6d13]
  • Prompt:
    Caftan traditionnel, morrocan style, bustier, without sleeves, haute couture, luxury, fashion design, elegant
  • Mask mode: Inpaint masked
  • Inpaint area: Whole picture
  • Sampling method: Euler a
  • Sampling steps: 25
  • Denoising strength: 0.8
© 2023 北京元石科技有限公司 ◎ 京公网安备 11010802042949号