ADetailer: 自动检测、掩码和修复的Stable Diffusion扩展

ADetailer简介

ADetailer是Stable Diffusion WebUI的一个扩展插件,主要用于自动检测、掩码和修复图像中的特定对象。它的主要功能包括:

1. 自动检测图像中的人脸、手部等目标对象
2. 为检测到的对象生成掩码
3. 对掩码区域进行智能修复和增强

相比手动绘制掩码进行局部修复,ADetailer可以大大提高图像处理的效率和精度。它尤其适合批量处理需要局部优化的图像,如人像美化、物体去除等场景。

安装方法

ADetailer的安装非常简单,可以直接在Stable Diffusion WebUI的扩展页面进行安装:

1. 打开Stable Diffusion WebUI,进入"Extensions"标签页
2. 点击"Install from URL"
3. 在URL输入框中粘贴以下地址: https://github.com/Bing-su/adetailer.git
4. 点击"Install"按钮
5. 等待安装完成后,重启WebUI即可

安装完成后,ADetailer的功能选项会出现在WebUI的txt2img和img2img页面底部。

主要功能与选项

ADetailer提供了丰富的功能选项,可以根据需求进行灵活调整:

1. 模型选择

• ADetailer model: 选择要使用的检测模型,决定检测的目标对象类型
• ADetailer model classes: 指定要检测的具体类别(仅YOLO World模型可用)

常用模型包括:

• face_yolov8n.pt: 2D/真实人脸检测
• hand_yolov8n.pt: 2D/真实手部检测
• person_yolov8n-seg.pt: 2D/真实人体检测和分割

2. 提示词设置

• ADetailer prompt: 修复区域使用的正面提示词
• ADetailer negative prompt: 修复区域使用的负面提示词

如果留空,将使用与原图相同的提示词。

3. 检测参数

• Detection model confidence threshold: 检测置信度阈值
• Mask min/max ratio: 掩码面积占比的范围限制
• Mask only the top k largest: 仅处理面积最大的k个对象

4. 掩码预处理

• Mask x, y offset: 掩码的水平和垂直偏移
• Mask erosion/dilation: 掩码的腐蚀或膨胀
• Mask merge mode: 多个掩码的合并方式

5. 修复参数

修复相关的参数与Inpaint标签页中的选项一一对应,可以根据需求进行调整。

6. ControlNet支持

ADetailer支持使用ControlNet进行更精细的修复控制,支持的模型包括:inpaint, scribble, lineart, openpose, tile, depth等。

工作原理

ADetailer的工作流程主要包括三个步骤:

1. 创建初始图像
2. 使用检测模型识别目标对象并生成掩码
3. 利用生成的掩码对目标区域进行修复

这个过程是全自动的,大大简化了局部修复的操作流程。用户只需选择合适的模型和参数,即可快速完成复杂的图像优化任务。

高级用法

除了基本功能,ADetailer还提供了一些高级用法:

1. API调用: 可以通过REST API集成到其他应用中
2. 特殊标记: 使用[SEP], [SKIP], [PROMPT]等标记实现更灵活的处理流程
3. 自定义模型: 可以添加自己训练的YOLO模型到models/adetailer目录

这些高级特性为专业用户提供了更多可能性。

总结

ADetailer是一个功能强大而易用的Stable Diffusion扩展,为AI图像处理带来了新的可能。它可以自动完成复杂的局部修复任务,大大提高了图像处理的效率和质量。无论是个人用户还是专业工作室,都可以从这个工具中受益。

随着未来版本的不断更新,相信ADetailer会带来更多令人兴奋的新功能。如果你还没有尝试过这个强大的工具,不妨现在就安装体验一下!

相关链接

• ADetailer GitHub仓库
• ADetailer使用教程视频
• ADetailer安装与使用方法

希望这篇文章能帮助你全面了解ADetailer的功能与用法。如果你对这个工具有任何疑问或建议,欢迎在评论区留言讨论!