在 Stable Diffusion 中使用 DeepFashion (ADetailer) 处理服装太给力了！
在上一篇文章中，我为大家详细介绍了Stable Diffusion中一个非常有用的插件，名为ADetailer。
👉 Stable Diffusion 必装插件之 ADetailer
这个插件主要用于修复面部问题并为面部和手增加细节。目前，ADetailer包含了14个不同的模型，每个模型都有其独特的用途。我已经对其中大部分模型进行了对比分析。但有一个特殊的模型——DeepFashion，我之前并未介绍，因为它与其他模型有所不同。在这篇文章中，我将详细介绍DeepFashion。
如果你喜欢看视频教程，那么我非常欢迎你观看本文所对应的视频(B站同名帐号)：
DeepFashion的核心功能
DeepFashion模型的核心功能是处理服装。这个模型的数据集包括来自13个流行服装类别的80多万件服装。使用DeepFashion模型，ADetailer能够检测图像中的服装，并进行分割，以便进行单独处理。
我们都知道，Stable Diffusion的自然语言理解能力较弱，无法与DALL-E和Midjourney相提并论。例如，使用SDXL模型生成的这张图片，其提示词是“1位女孩，面带微笑，晨光打在脸上，黑色丝质吊带衫，领口处有精致的蕾丝边，酒红色格子高腰半身裙，全身拍摄，凉鞋，古色古香的鹅卵石街道，景深，虚化”。但是，女孩裙子上的格子图案并没有被体现出来。提示词越长，遗漏的细节就越多。
而使用DeepFashion后，可以看到明显的改进，如裙子上的格子图案就被准确体现出来了。
再比如，解决提示词污染的问题。例如，一张图片的背景是柠檬黄色，但Stable Diffusion可能会错误地将柠檬图案应用到女孩的裙子上，如下图所示：
这时，使用DeepFashion可以有效解决这一问题。它会将裙子单独分离出来，并使用专门的提示词进行描述。这样，如果提示词中不包含“柠檬”，裙子上就不会出现柠檬图案。
安装DeepFashion模型
以下是DeepFashion模型的详细安装过程：
1️⃣Adetailer插件安装
首先，确保已经安装了Adetailer插件。如果尚未安装，可以参考上一篇文章中的步骤进行安装。安装Adetailer是使用DeepFashion的前提条件。
2️⃣下载DeepFashion模型
安装Adetailer插件后，DeepFashion模型不会自动出现在模型列表中。要使用DeepFashion，您需要手动下载它。模型的下载链接是：
https://huggingface.co/Bingsu/adetailer/tree/main
3️⃣进入下载页面
在浏览器中输入下载地址后，你将被引导至HuggingFace下载页面。在这里，所有可用的模型都会被列出，你可以找到位于列表首位的DeepFashion模型。旁边有一个下载按钮，点击该按钮开始下载。
4️⃣移动模型文件
下载完成后，将下载的模型文件移动到Stable Diffusion的 “webui/models/adetailer” 文件夹内。这一步骤是必要的，以确保WebUI能够正确识别并加载模型。
5️⃣重启WebUI
将DeepFashion模型文件放置在正确的文件夹后，需要重启WebUI。重启后，DeepFashion模型应该出现在Adetailer的模型列表中，这意味着它已经准备好使用了。
安装完成以后，让我们通过两个案例，身临其境，体验DeepFashion的用法。
案例一：使用DeepFashion解决衣物图案问题
1️⃣ 生成初始图片：
- 打开WebUI界面。
- 选择模型：“MajicmixRealistic”（在下一个案例中将使用SDXL模型）。
- 提示词内容：“在现代艺术画廊里穿着亮片裙子的女孩儿”。
- 根据需要调整其他参数。
- 点击“生成”查看效果。
为了更好地说明问题，我生成了几张不同的图片。从中选取了三张展示出来。可以看到，衣服上的亮片或金色部分错误地出现在了背景中。
2️⃣ 使用DeepFashion解决问题：
- 首先生成一张衣服上没有亮片图案的底图。
- 指定裙子的颜色为黄色，以避免生成黑色裙子导致亮片不明显。
- 将“gold sequin pattern”从提示词中剪切出来，稍后在Adetailer中使用。
- 先不勾选Adetailer插件。
- 如遇提示词污染问题，将黄色添加到Cutoff插件中，确保背景不会出现金色亮片。
- 生成底图。
3️⃣ 添加亮片效果：
- 固定随机种子，勾选Adetailer插件。
- 在Adetailer的模型列表里选择DeepFashion。
- 使用刚才剪切的“gold sequin pattern”作为提示词。
- 展开“Inpainting”设置，调整“Inpaint denoising strength”（重绘去噪强度）至0.6。
- 生成图片，并观察过程：
- Stable Diffusion首先根据随机种子生成底图。
- DeepFashion接管，识别裙子，并对其进行标注和处理。
4️⃣ 调整去噪强度以改善效果：
- 如果亮片效果不足，可将去噪强度调至0.7再生成，观察效果。
- 如需更多亮片，继续将参数调至0.8。
案例总结
DeepFashion能够有效地将服装从图片中分离出来进行单独处理，解决了提示词污染问题。这种技术特别适用于那些Stable Diffusion可能无法准确理解和渲染的复杂场景。
例如，使用albedobaseXL模型生成的图片中，绿色的裙子和柠檬黄的背景被准确分离，没有出现混淆。
而使用dreamshaperXL-Turbo模型生成的图片就出现了问题，背景中的柠檬黄色错误地出现在了裙子上。
在这种情况下，DeepFashion就显现出了其优越性，能够准确地处理和优化图片中的服装元素。
通过这个案例，我们可以看到，DeepFashion不仅提高了Stable Diffusion生成图像的质量，也为我们在图像生成过程中提供了更多的控制和创造力。
案例二：优化SDXL模型中的颜色处理
在Stable Diffusion的应用中，尤其是使用SDXL模型时，我们经常遇到提示词污染问题，特别是在处理颜色时。让我们通过一个实际案例，探索如何使用DeepFashion来解决这一挑战。
1️⃣ 设置与生成初步图片：
- 模型选择：更换为SDXL模型。
- 提示词设定： “年轻模特，时尚摄影，无袖祖母绿 A 字连衣裙，花朵蕾丝装饰，柠檬黄背景，漂浮的白色气球”。
- 分辨率：设为832×1216。
- 生成结果：希望得到的是白色气球，但图片中出现了黄色和绿色的气球。
2️⃣ 重复生成以寻求改善：
- 第一次重新生成：去除了绿色气球，但仍有黄色气球。
- 第二次重新生成：问题更加夸张，裙子上出现了花朵。
通过这个案例，我们看到了SDXL模型在处理特定颜色和元素时的挑战。虽然重复生成图片可能会带来一些改进，但结果仍然不稳定，且不符合我们的预期。为了解决这一问题，DeepFashion插件就显得尤为重要。
在接下来的内容中，我将展示如何使用DeepFashion来精确控制图像中的颜色元素，确保生成的图像更加符合我们的预期。
3️⃣ 尝试使用“BREAK”关键词：
- 简化提示词：去掉“蕾丝装饰”。
- 在“裙子”和“柠檬黄背景”之后加入“BREAK”关键词。
- 生成结果：出现了黑色气球，背景颜色错误。
2️⃣ 多次尝试改进：
- 再次生成：裙子和气球颜色正确，但背景色仍然不准确。
- 最后一次尝试：颜色终于正确，但方法不稳定，依赖运气。
我们用抽卡的方式实现了想要的效果。但是可以看到，这种方法不稳定，得靠运气。接下来我们用DeepFashion实现更可控的效果。
1️⃣ 准备阶段：
- 删除提示词中的“祖母绿”，准备稍后通过DeepFashion进行调整。
- 生成图片，确保背景和气球颜色正确。
2️⃣ 应用DeepFashion处理衣服：
- 固定随机种子。
- 启用Adetailer插件，选择DeepFashion模型。
- 添加描述：“祖母绿无袖 A 字裙，花朵蕾丝”。
- 调整“Inpaint denoising strength”至0.7，然后生成。
- 观察到裙子颜色主要仍是白色。
3️⃣ 增强效果：
- 提高“Inpaint denoising strength”至0.8，再生成。
- 尝试使用更高的0.9值，裙子变为祖母绿色，但边缘仍有白色残留。
4️⃣ 微调蒙版处理：
- 调整“Mask Preprocessing”中的“Mask erosion/dilation”参数。
- 将蒙版扩张设为12，生成图片，白边减少。
- 进一步调整至16，几乎消除了所有白边。
结论与应用
DeepFashion作为Adetailer中的一个独特模型，可以独立处理服装，从而避免提示词污染问题，同时为服装增加细节。它不仅支持SD1.5模型，还支持SDXL模型。当你需要处理服装时，DeepFashion是一个值得考虑的选择。
OK，以上就是本期的内容。希望这篇文章对你有所帮助。如果你觉得有用，不妨给我点个赞。
