Stable Diffusion WebUI DirectML 版本中面部修复功能失效问题分析

问题现象

在 Stable Diffusion WebUI DirectML 版本的 1.8.0-RC 更新后，用户反馈启用了"restore faces"(面部修复)功能后，生成的图像没有应用任何面部修正效果。控制台日志显示加载面部修复模型时出现错误，提示"don't know how to restore data location of torch.storage.UntypedStorage"。

技术背景

Stable Diffusion WebUI 的面部修复功能通常依赖于两个主要模型：CodeFormer 和 GFPGAN。这些模型通过深度学习技术对生成的人脸图像进行细节增强和瑕疵修复。在 DirectML 版本中，这些模型需要与 DirectML 后端兼容才能正常工作。

问题原因

根据错误日志分析，问题源于 PyTorch 的存储位置恢复机制与 DirectML 后端的兼容性问题。具体表现为：

1. 模型加载过程中，PyTorch 无法正确处理标记为"privateuseone:0"的存储位置
2. 这种错误通常发生在尝试将原本为 CUDA 优化的模型加载到非 CUDA 设备时
3. DirectML 1.8.0-RC 版本中对模型加载机制进行了修改，导致与面部修复模型不兼容

解决方案

临时解决方案

1. 回退到 1.7.0 版本：

   • 使用 git 命令回退到稳定版本：git reset --hard 601f7e3
   • 回退前备份重要配置文件(webui-user.bat, config.json, ui-config.json, styles.csv)

2. 使用 CPU 运行面部修复：

   • 在 webui-user.bat 启动参数中添加：--use-cpu gfpgan codeformer
   • 注意：此方法在低性能 CPU 上可能导致处理速度显著下降

长期解决方案

1. 等待官方修复 DirectML 与面部修复模型的兼容性问题
2. 考虑使用其他兼容性更好的分支版本，如 SD.Next

技术细节补充

面部修复模型(CodeFormer/GFPGAN)通常包含以下关键组件：

1. 特征提取网络：用于识别人脸关键特征
2. 生成对抗网络(GAN)：用于生成高质量面部细节
3. 后处理模块：对生成结果进行平滑和优化

这些模型通常针对特定硬件后端(CUDA)进行优化，在跨平台使用时可能出现兼容性问题。DirectML 作为微软推出的跨平台机器学习框架，在模型兼容性方面仍在不断完善中。

用户建议

1. 对于性能较弱的 AMD GCN 架构显卡用户，建议暂时回退到 1.7.0 版本

2. 如果必须使用 1.8.0 版本，可以尝试以下优化：

   • 降低面部修复强度参数
   • 减少同时使用的修复模型数量
   • 在生成大尺寸图像时先禁用面部修复，后期在 Extras 中单独处理

3. 关注项目更新日志，及时获取官方修复信息

总结

Stable Diffusion WebUI DirectML 版本在 1.8.0-RC 中出现的面部修复功能失效问题，主要源于模型加载机制与 DirectML 后端的兼容性问题。用户可根据自身硬件条件和需求选择合适的临时解决方案，同时期待官方后续的兼容性改进。