Stable Diffusion图像分辨率提升指南：三种主流方法详解

创作时间:

作者:

@小白创作中心

Stable Diffusion图像分辨率提升指南：三种主流方法详解

引用

CSDN

https://m.blog.csdn.net/dao_cao_renshuai/article/details/140691634

在AI绘画创作中，如何在不爆显存的情况下获得高分辨率的优质作品？本文将为你详细介绍Stable Diffusion（SD）提供的三种提升图像分辨率的方法：高清修复、SD Upscale放大和后期处理。通过实际案例和对比图，帮助你选择最适合的放大方案。

在前期作画的时候，建议在第一次作画时不要设置过高的图像分辨率，因为过高的分辨率可能会导致显存不足，从而使得整个作画过程失败。然而，低分辨率的图像质量通常不高，细节不够丰富。为了解决这一问题，本文将介绍如何使用AI技术来提升图片的分辨率。

AI绘画本质上是一个概率性的生成过程，在前期创作时，建议先使用低分辨率进行多批次的生成，找到满意的基础画面后再进行高分辨率的修复，以获得最终的高质量作品。如果在初期就设置过高的分辨率，不仅会增加显存不足的风险，还可能导致同一张图像中出现人物或肢体的混乱现象。幸运的是，Stable Diffusion提供了多种放大图像分辨率的方法，下面将为你详细介绍。

高清修复

在文生图的众多参数中，有一个高分辨率修复的选项，选中后会弹出一系列子菜单。由于高清修复本质上是图生图功能的扩展，因此这些设置与图生图的参数类似：

迭代步数设置：如果设置为零，它将自动采用之前设置的迭代步数。
重绘幅度：表示在高清修复过程中与原图内容保持一致性的程度。在放大算法中，建议将重绘幅度设置在0.5以下。
放大倍数和宽高：建议将初始绘图分辨率设置为最终目标分辨率的等比例缩小版本。放大倍率应控制在2倍以内。
放大算法：Latent潜变量算法特别适合添加更多画面细节，尤其是二次元画面。推荐使用R-ESRGAN 4x+ Anime6B，或者参考模型作者的建议选择最适合的放大算法。

需要注意的是，直接在图生图中操作的效果与高清修复相同，这种方法并不能突破显存的限制。

SD Upscale放大

在图生图界面的脚本选项中可以选择SD Upscale，同样会弹出一系列子菜单选项：

放大倍数：设置图片的具体缩放倍数。
放大算法：与上述提到的算法选项相同。

SD Upscale放大原理是将图片切割后对每个局部进行高清修复。为了使拼接效果更加自然，可以设置像素重叠。例如，如果原图尺寸为600x600，重叠像素设置为64，则需要将原图尺寸调整为664x664。如果选择放大两倍，最终得到的图像尺寸将是1200x1200。重叠像素的作用类似于缓冲带，可以避免相邻图块拼接时出现生硬的过渡边缘。

这种方法的优点是可以相对不受显存限制，且画面精细度较高。缺点是分割过程可能不可控，特别是在人脸等关键部位处于分割线时，可能会出现额外的元素。此时需要降低重绘幅度，以保持结果与原图的一致性。