Stable Diffusion WebUI DirectML项目中ADetailer扩展卡顿问题的分析与解决
2025-07-04 10:26:38作者:蔡丛锟
问题背景
在Stable Diffusion WebUI DirectML项目的1.9.0版本更新后,用户报告在使用ADetailer扩展时遇到了图像生成卡顿的问题。具体表现为:当同时启用face_yolov8n.pt和hand_yolov8n.pt模型进行二次处理时,图像生成过程会在最后阶段停滞,无法完成最终输出。
问题现象分析
从技术日志中可以观察到以下关键现象:
- 基础文本到图像生成(txt2img)功能工作正常
- ADetailer扩展能够正常加载并初始化(版本24.4.1,检测到10个可用模型)
- 人脸检测模型(face_yolov8n.pt)能够完成处理(检测到1张人脸,耗时426.2ms)
- 手部检测模型(hand_yolov8n.pt)也能完成处理(检测到2只手,耗时195.2ms)
- 问题出现在所有处理步骤完成后(13/13进度),系统无法完成最终的图像合成输出
技术环境分析
该问题出现在以下特定环境中:
- 使用DirectML后端(通过--use-directml参数启用)
- 运行在Windows系统上
- 使用CPU进行Torch计算(--use-cpu-torch)
- 禁用了半精度浮点运算(--no-half和--no-half-vae)
- 启用了V1版本的注意力优化(--opt-split-attention-v1)
问题根源
经过开发团队分析,该问题与项目中的另一个已知问题(编号443)具有相同的根本原因。主要涉及DirectML后端在处理特定模型输出时的同步机制问题,导致在多个检测模型串联使用时,系统无法正确完成处理流程。
解决方案
开发团队已通过最新提交修复了这一问题。用户可以通过以下步骤解决问题:
- 更新项目到最新代码版本
- 确保所有依赖项同步更新
- 重新启动WebUI服务
验证结果
用户反馈在应用最新提交后:
- 文本到图像生成流程恢复正常
- ADetailer扩展能够完整处理图像
- 多模型串联使用不再出现卡顿现象
- 整体生成效率恢复到预期水平
技术建议
对于使用类似环境的开发者,建议:
- 定期更新项目代码以获取最新修复
- 在启用多个后处理扩展时,注意监控系统资源使用情况
- 对于复杂处理流程,考虑分步执行并保存中间结果
- 关注DirectML后端的特定优化参数设置
结论
该问题的解决展示了开源社区协作的高效性,也提醒我们在使用特定硬件后端时需要注意其与扩展组件的兼容性。通过持续更新和维护,Stable Diffusion WebUI DirectML项目能够为Windows平台用户提供更稳定的AI图像生成体验。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00Hunyuan3D-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~0279community
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012Spark-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

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
154
1.98 K

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

🎉 (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
941
555

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387

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

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

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++
510
44

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
344
1.32 K

React Native鸿蒙化仓库
C++
194
279