Denne bilde-outpainting workflow er designet for å utvide grensene til et bilde, og inkluderer fire viktige trinn:
Dette trinnet innebærer å sette dimensjonene for området som skal outpaintes og lage en maske for outpainting-området. Det er den forberedende fasen hvor grunnlaget for å utvide bildet legges.
Den faktiske outpainting-prosessen utføres gjennom inpainting-modellen, spesielt ved bruk av ControlNet's inpainting-modul. I denne fasen adresseres kun området som er angitt av den tidligere opprettede masken. Denne tilnærmingen bruker inpainting-modellen for å generere det ekstra innholdet som kreves for outpainting-området. Det er viktig å forstå at selv om vi utvider bildet (outpainting), er teknikken som brukes avledet fra inpainting-metodologier, styrt av ControlNet-modulen som intelligent fyller det angitte området basert på konteksten gitt av det omkringliggende bildet.
Her får vi den innledende versjonen av bildet med det nyutmalte området. Dette stadiet viser hvordan inpainting-modellen har utvidet bildekantene. Imidlertid kan det på dette tidspunktet være merkbare forskjeller mellom kantene på det originale bildet og de nylig utvidede delene. Så det påfølgende trinnet er avgjørende for å reparere det.
Det siste trinnet fokuserer på å raffinere integrasjonen mellom det originale bildet og de nylig tilføyde seksjonene. Dette innebærer spesifikt å målrette og forbedre kantene for å sikre en sømløs overgang mellom de originale og utvidede delene av bildet.
Her er nøkkelnodene involvert i dette trinnet:
2.1.1. Scale Image to Side: Skaler bilder basert på spesifiserte parametere. Du kan sette en mål sidelengde og velge hvilken side (lengst, bredde eller høyde) som skal skaleres. Det tilbyr flere skaleringsmetoder (nærmeste-nøyaktige, bilineær, område) og en valgfri beskjæringsfunksjon for å opprettholde størrelsesforholdet.
2.1.2. Pad Image for Outpainting: Forbereder bilder for outpainting ved å legge til padding rundt kantene. Denne noden lar deg spesifisere mengden padding for hver side av bildet og inkluderer et "feathering"-alternativ for å sømløst blande det originale bildet inn i det polstrede området.
2.1.3. Convert Image to Mask: Konverterer en valgt kanal (rød, grønn, blå, alfa) av et bilde til en maske, og isolerer en del av bildet for behandling.
I denne fasen forberedes de polstrede og maskerte bildene.
Her er nøkkelnodene involvert i dette trinnet:
2.2.1. Apply Advanced ControlNet: Bruk ControlNet-noden for å nøye veilede inpainting-prosessen, målrettet mot området skissert av masken som ble forberedt i det første trinnet.
2.2.2. Load ControlNet Model: Velger og laster inn inpainting ControlNet-modellen.
2.2.3. Inpainting Preprocessor: Send de polstrede og maskerte bildene, som ble forberedt i det første trinnet, til inpainting-forbehandleren.
2.2.4. Scaled Soft Weights: Justerer vektene i inpainting-prosessen for nyansert kontroll, med parametere som base_multiplier for å justere vektstyrken og flip_weights for å invertere effekten av vektene.
På dette stadiet genereres det innledende utmalte bildet. Imidlertid kan det være synlige kanter rundt det originale bildet.
Dette siste trinnet involverer å maskere kantområdet for regenerering, noe som forbedrer det generelle utseendet til det utmalte området.
Her er de essensielle nodene som er involvert i å innlemme synlige kanter i masken:
2.4.1. Mask Dilate Region: Utvider maskens grenser innen et bilde, nyttig for å sikre full dekning eller skape en større grense for behandlingseffekter.
2.4.2. Mask Contour: Involverer å identifisere og skissere kantene innen en maske, noe som hjelper til med å skille mellom forskjellige elementer i et bilde.
Denne workflow er inspirert av Ning
© Opphavsrett 2024 RunComfy. Alle Rettigheter Forbeholdt.