KSample
在这个步骤,原始潜空间的数据会慢慢经过降噪从而生成图像,下图是最基础的结点示意图:
参数说明
参数 | 说明 |
---|---|
随机种 | 这个是随机种子,它主要用于控制潜空间的初始噪声。如果你想重复生成一模一样的图片。就需要用到这个随机种子,前提是工作流其它部分都保持不变(对于某些情况来说,甚至要保证运行工作流的机器不变)。 |
运行后操作 | 每次生成完图片后,上面的 seed 数字都会变化,而这个配置项,则是设置这个变化规则:randomize(随机)、increment(递增 1)、decrement(递减 1)、fixed(固定)。 |
步数 | 采样的步数。一般步数越大,效果越好,但也跟使用的模型和采样器有关。 |
CFG | 全称 Classifier Free Guidance(无分类引导法),代表生成图像对提示词描述的准确度,这个值设置一般设置为 6~8 之间会比较好。 |
采样器 | 采样器名称。你可以通过这个来设置采样器算法。如果你对它感兴趣,可以阅读相关的进阶教程。 |
调度器 | 调度器主要是控制每个步骤中去噪的过程。你可以通过它选择不同的调度算法,有些算法是选择每一步减去相同数量的噪声,有些则是每一步都尽可能去掉多的噪声。 |
降噪 | 表示要增加多少初始噪声,1 表示全部。一般文生图你都可以默认将其设置成 1。 |
参数对比
Step|采样器
不同采样器在不同步数下的生图效果如下:
可以看到除了dpmpp_3m_sde_gpu以外,其它4个采样器在step:15后慢慢变得清晰,但是不同的采样器生成的图片结果是大大的不同。
Step|调度器
不同调度器在不同步数下的生图效果如下:
在生图效果上看,不同的调度器生成的图片在Step:20后基本收敛,但可以看到的是,不同的调度器所产生的图像也是不同的。
CFG|采样器
不同采样器在不同CFG下的生图效果如下:
可以发现,CFG过小时生成的图像容易“跑题”。
更多参数对比大家可以自行尝试。