Automatic项目中的ControlNet高分辨率修复问题解析
2025-06-03 05:33:00作者:吴年前Myrtle
问题背景
在Stable Diffusion生态系统中,ControlNet是一个强大的扩展功能,它允许用户通过输入控制图像(如人体姿态图、边缘检测图等)来精确控制生成图像的结构和构图。然而,在Automatic项目的开发过程中,发现了一个与高分辨率修复(hires pass)相关的重要问题。
问题现象
当用户同时启用ControlNet和高分辨率修复功能时,系统在高分辨率修复阶段错误地将控制图像作为输入图像使用,而不是使用初始生成的图像。这导致最终输出的高分辨率图像实际上是对控制图像进行放大和修复的结果,而非对生成图像进行优化。
技术细节分析
-
正常流程:在标准的txt2img流程中,系统应首先生成一个低分辨率图像,然后在高分辨率修复阶段对该图像进行放大和细节优化。
-
问题流程:当ControlNet启用时,系统错误地将控制图像直接传递到高分辨率修复阶段,导致:
- 初始生成阶段:正确使用文本提示和控制图像生成初步结果
- 高分辨率修复阶段:错误地使用控制图像而非生成图像作为输入
-
影响范围:该问题影响所有类型的ControlNet模型(如Openpose、Canny等),在使用非潜在空间高分辨率放大方法时尤为明显。
问题复现条件
- 使用ControlNet功能(如Openpose)进行文本生成图像
- 启用高分辨率修复功能
- 使用非潜在空间放大方法(如RealESRGAN等)
解决方案
项目维护者已确认该问题并在最新提交中修复。修复的核心在于确保高分辨率修复阶段正确接收生成图像作为输入,而非控制图像。
用户建议
- 对于遇到此问题的用户,建议更新到包含修复的最新版本
- 在使用ControlNet和高分辨率修复时,注意检查中间结果以确保流程正确
- 对于需要精确控制图像结构的应用,建议先验证高分辨率修复阶段的输入是否正确
技术意义
这个问题的发现和解决对于保证ControlNet功能的正确性具有重要意义。它确保了:
- 图像生成流程各阶段的输入输出正确传递
- 高分辨率修复能够真正提升生成图像的质量
- ControlNet的控制效果不会在高分辨率阶段被意外破坏
该修复进一步提升了Automatic项目中ControlNet功能的可靠性和用户体验。
登录后查看全文
热门项目推荐
相关项目推荐
Hunyuan3D-Part
腾讯混元3D-Part00Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GitCode-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~0274community
本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息011Hunyuan3D-2
Hunyuan3D 2.0:高分辨率三维生成系统,支持精准形状建模与生动纹理合成,简化资产再创作流程。Python00Spark-Chemistry-X1-13B
科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00GOT-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。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
热门内容推荐
最新内容推荐
项目优选
收起

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
153
1.98 K

deepin linux kernel
C
22
6

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++
504
42

本项目是CANN开源社区的核心管理仓库,包含社区的治理章程、治理组织、通用操作指引及流程规范等基础信息
332
10

openGauss kernel ~ openGauss is an open source relational database management system
C++
146
191

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!
C
992
395

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

React Native鸿蒙化仓库
C++
193
279

🎉 (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
938
554

为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Python
75
70