adetailer

adetailer

Stable Diffusion WebUI自动掩码和修复增强扩展

ADetailer是Stable Diffusion WebUI的扩展插件,提供自动掩码和修复功能。它支持人脸、手部和人物等多种检测模型,允许自定义检测阈值和掩码处理。该工具兼容ControlNet,支持多种修复模式,可有效提升图像细节。ADetailer简化了图像处理流程,是一个功能强大的AI辅助图像编辑工具。

ADetailerStable Diffusion图像处理AI绘图自动遮罩Github开源项目

ADetailer

ADetailer 是 stable diffusion webui 的一个扩展,可以自动进行遮罩和修复。它类似于 Detection Detailer。

安装

您可以直接从扩展标签页安装它。

image

或者

(来自 Mikubill/sd-webui-controlnet)

  1. 打开"扩展"标签页。
  2. 在标签页中打开"从 URL 安装"标签。
  3. 在"扩展的 git 仓库 URL"中输入 https://github.com/Bing-su/adetailer.git
  4. 点击"安装"按钮。
  5. 等待 5 秒,您将看到消息"已安装到 stable-diffusion-webui\extensions\adetailer。使用已安装标签页重启"。
  6. 转到"已安装"标签页,点击"检查更新",然后点击"应用并重启 UI"。(下次您也可以使用此方法更新扩展。)
  7. 完全重启 A1111 webui,包括您的终端。(如果您不知道什么是"终端",您可以重启计算机:关闭计算机然后再打开。)

选项

模型、提示词
ADetailer 模型决定要检测什么。None = 禁用
ADetailer 模型类别要检测的类别名称,用逗号分隔。仅在使用 YOLO World 模型时可用如果为空,使用默认值。<br/>默认值 = COCO 80 类别
ADetailer 提示词,负面提示词要应用的提示词和负面提示词如果留空,将使用与输入相同的内容。
跳过 img2img跳过 img2img。实际上,这是通过将 img2img 的步骤数更改为 1 来实现的。仅适用于 img2img
检测
检测模型置信度阈值只有检测模型置信度高于此阈值的对象才会用于修复。
遮罩最小/最大比例仅使用面积在整个图像面积这些比例之间的遮罩。
仅遮罩前 k 个最大的仅使用边界框面积最大的 k 个对象。0 表示禁用

如果您想排除背景中的对象,请尝试将最小比例设置为约 0.01

遮罩预处理
遮罩 x, y 偏移水平和垂直移动遮罩
遮罩腐蚀(-) / 膨胀(+)扩大或缩小检测到的遮罩。opencv 示例
遮罩合并模式None:修复每个遮罩<br/>Merge:合并所有遮罩并修复<br/>Merge and Invert:合并所有遮罩并反转,然后修复

按此顺序应用:x, y 偏移 → 腐蚀/膨胀 → 合并/反转。

修复

每个选项对应于修复标签页上的相应选项。因此,有关如何使用每个选项的详细信息,请参阅修复标签页。

ControlNet 修复

如果您安装了 ControlNet 并有 ControlNet 模型,您可以使用 ControlNet 扩展。

支持 inpaint, scribble, lineart, openpose, tile, depth ControlNet 模型。一旦您选择了一个模型,预处理器会自动设置。它独立于 Controlnet 扩展设置的模型工作。

如果您选择 Passthrough,将使用您在 ADetailer 外部设置的 ControlNet 设置。

高级选项

API 请求示例:wiki/REST-API

[SEP], [SKIP], [PROMPT] 标记:wiki/Advanced

媒体

模型

模型目标mAP 50mAP 50-95
face_yolov8n.pt2D / 真实人脸0.6600.366
face_yolov8s.pt2D / 真实人脸0.7130.404
hand_yolov8n.pt2D / 真实手0.7670.505
person_yolov8n-seg.pt2D / 真实人物0.782 (bbox)<br/>0.761 (mask)0.555 (bbox)<br/>0.460 (mask)
person_yolov8s-seg.pt2D / 真实人物0.824 (bbox)<br/>0.809 (mask)0.605 (bbox)<br/>0.508 (mask)
mediapipe_face_full真实人脸--
mediapipe_face_short真实人脸--
mediapipe_face_mesh真实人脸--

YOLO 模型可以在 huggingface Bingsu/adetailer 上找到。

有关 YOLO8 模型的详细描述,请参见:https://docs.ultralytics.com/models/yolov8/#overview

YOLO World 模型:https://docs.ultralytics.com/models/yolo-world/

附加模型

将您的 ultralytics yolo 模型放在 models/adetailer 中。模型名称应以 .pt 结尾。

它必须是边界框检测或分割模型,并使用所有标签。

工作原理

ADetailer 通过三个简单的步骤工作。

  1. 创建图像。
  2. 使用检测模型检测对象并创建遮罩图像。
  3. 使用步骤 1 中的图像和步骤 2 中的遮罩进行修复。

开发

ADetailer 仅使用 stable-diffusion 1.5 模型开发和测试,仅适用于 AUTOMATIC1111/stable-diffusion-webui 仓库的最新版本。

许可

ADetailer 是使用两个 AGPL 许可作品(stable-diffusion-webui, ultralytics)的衍生作品,因此根据 AGPL 许可分发。

另请参阅

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word,让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目,能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定,还是学生群体的职业生涯规划、实习避坑指南,亦或是活动策划、旅游攻略等内容,它都能提供支持,帮助用户精准表达,轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级,全面对标OpenAI o1

科大讯飞的星火大模型,支持语言理解、知识问答和文本创作等多功能,适用于多种文件和业务场景,提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台,涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能,能为不同需求的用户提供便捷高效的帮助,助力用户轻松获取信息、解决问题,满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目,由多个知名机构联合参与。该项目提供了高效的 LLM(大语言模型)驱动的语音合成方案,支持语音克隆和语音创建功能,可通过命令行界面(CLI)和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数,生成高质量的语音。该项目适用于多种场景,如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境(IDE),通过自动化和多元协作改变开发流程。利用Trae,团队能够更快速、精确地编写和部署代码,从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能,是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力,做PPT更简单!

咔片是一款轻量化在线演示设计工具,借助 AI 技术,实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT,提供海量模板、智能美化、素材替换等功能,适用于销售、教师、学生等各类人群,能高效制作出高品质 PPT,满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文,一站式创作,让内容运营更高效

讯飞绘文,一个AI集成平台,支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容,加速品牌传播,提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台,公文写作神器

AI 材料星,专业的 AI 公文写作辅助平台,为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能,支持 30 + 文稿类型生成,助力快速完成领导讲话、工作总结、述职报告等材料,提升办公效率,是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

下拉加载更多