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:
- 模型加载过程中,PyTorch 无法正确处理标记为"privateuseone:0"的存储位置
- 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
- 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
-
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)
- 使用 git 命令回退到稳定版本:
-
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
- 在 webui-user.bat 启动参数中添加:
长期解决方案
- 等待官方修复 DirectML 与面部修复模型的兼容性问题
- 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:
- 特征提取网络:用于识别人脸关键特征
- 生成对抗网络(GAN):用于生成高质量面部细节
- 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
-
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
-
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
-
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。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~042CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0298- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









