Automatic项目中的ControlNet高分辨率修复问题解析
2025-06-03 10:50:08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
- 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~052CommonUtilLibrary
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!C0331- 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
收起

React Native鸿蒙化仓库
C++
179
263

🎉 (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
869
514

openGauss kernel ~ openGauss is an open source relational database management system
C++
130
183

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
295
331

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
333
1.09 K

harmony-utils 一款功能丰富且极易上手的HarmonyOS工具库,借助众多实用工具类,致力于助力开发者迅速构建鸿蒙应用。其封装的工具涵盖了APP、设备、屏幕、授权、通知、线程间通信、弹框、吐司、生物认证、用户首选项、拍照、相册、扫码、文件、日志,异常捕获、字符、字符串、数字、集合、日期、随机、base64、加密、解密、JSON等一系列的功能和操作,能够满足各种不同的开发需求。
ArkTS
18
0

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

deepin linux kernel
C
22
5

微信开发 Java SDK,支持微信支付、开放平台、公众号、视频号、企业微信、小程序等的后端开发,记得关注公众号及时接受版本更新信息,以及加入微信群进行深入讨论
Java
829
22

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
601
58