在sd-webui-controlnet中通过API控制depth_leres预处理器的深度阈值参数
2025-05-12 11:12:42作者:魏侃纯Zoe
sd-webui-controlnet作为Stable Diffusion WebUI的重要扩展,提供了强大的图像控制功能。其中depth_leres预处理器是常用的深度图生成工具,但在API调用时需要注意其特殊参数命名规则。
depth_leres预处理器的关键参数
depth_leres预处理器有两个重要的深度阈值控制参数:
- 移除近处百分比(Remove Near %)
- 移除远处百分比(Remove Far %)
这些参数在WebUI界面上显示为百分比形式,允许用户精细调整深度图的生成范围,排除过近或过远的区域,从而获得更精确的控制效果。
API参数的特殊命名规则
虽然WebUI界面上显示为"Remove Near %"和"Remove Far %",但在API调用时需要使用以下参数名:
threshold_a:对应"Remove Near %"参数threshold_b:对应"Remove Far %"参数
这种命名差异是需要注意的关键点,否则API调用可能无法正确传递这些参数值。
技术实现原理
在底层实现上,depth_leres预处理器基于LeReS(Learning to Recover 3D Scene Shape from a Single Image)算法。该算法通过深度学习模型预测场景深度,而threshold_a和threshold_b参数则用于后处理阶段:
threshold_a(Remove Near %):设置近裁剪平面,移除预测深度值小于此阈值的前景区域threshold_b(Remove Far %):设置远裁剪平面,移除预测深度值大于此阈值的背景区域
这两个参数共同定义了有效的深度范围,帮助生成更适合后续ControlNet处理的深度图。
实际应用建议
在使用API调用depth_leres预处理器时,建议:
- 保持参数值在0-100范围内,与WebUI界面百分比对应
- 根据场景复杂度调整阈值组合
- 对于室内场景,可适当提高Remove Near %以避免前景物体过度裁剪
- 对于远景场景,可降低Remove Far %以保留更多背景细节
通过合理设置这些参数,可以获得更精确的深度图,进而提升ControlNet对生成图像的控制能力。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0188- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
awesome-zig一个关于 Zig 优秀库及资源的协作列表。Makefile00
热门内容推荐
最新内容推荐
5个实战技巧:用langchaingo构建企业级对话系统的全流程指南解锁模块化编辑:Milkdown框架的可扩展开发指南[技术专题] OpenWeChat消息处理:从核心原理到高级实践Dapr集群部署失败?5步实战指南助你快速定位并解决问题小爱音箱AI升级定制指南:从零开始的设备改造与功能扩展Vanna AI训练数据效率提升实战指南:从数据准备到模型优化全流程解析打造现代界面新范式:Glass Liquid设计理念与实践指南PandaWiki部署实战:从环境准备到系统优化全指南4个步骤掌握Claude AI应用容器化部署:claude-quickstarts项目Docker实践指南4个高效步骤:Pixelle-Video API集成与开发实战指南
项目优选
收起
deepin linux kernel
C
27
12
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
598
4.03 K
Ascend Extension for PyTorch
Python
440
531
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
920
768
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
368
247
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.46 K
822
AscendNPU-IR是基于MLIR(Multi-Level Intermediate Representation)构建的,面向昇腾亲和算子编译时使用的中间表示,提供昇腾完备表达能力,通过编译优化提升昇腾AI处理器计算效率,支持通过生态框架使能昇腾AI处理器与深度调优
C++
112
168
暂无简介
Dart
844
204
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
69
21
昇腾LLM分布式训练框架
Python
130
156