Hello~o，朋友们~
欢迎回到AI趣闻屋。
ControlNet团队的大佬们更新速度那是无与伦比！
一不留神，ControlNet Tile模型就可用了，在图片细节处理上更是牛皮哄哄。
趣闻屋用了表示，真香~
ControlNet Tile模型能做什么？
由于ControlNet Tile模型刚出来不久，目前大家对其用法的开发有下面三种：
1.放大
2.修复
3.细节增强
选其一，或其二，或是三者一起组合使用。
ControlNet Tile 下载/更新、介绍
1.下载/更新
ControlNet Tile模型需要 ControlNet 1.1.107 以上版本的支持
没有更新到这个版本的小伙伴，请到【扩展插件】里检查更新：
重点：小伙伴有安装了v1.1.107以下版本，需要删除 v11u 的旧模型：
control_v11u_sd15_tile.pth
下载新的 v11f1e 版本安装：
control_v11f1e_sd15_tile.pth
下载地址：
https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main
打开后，选择 control_v11f1e_sd15_tile.pth 模型的下载箭头[↓]，进行下载：
放到 stable-diffusion-webui\models\ControlNet 目录下。
完成！
2.Tile模型介绍
图生图（img2img）里使用Tile模型有4个点：
(1) 参考图不是必须的，如果ControlNet里不填入参考图，tile模型会根据图生图里的参考图来做参考
(2) 预处理器选择 tile_resample
(3) 模型选择 control_v11f1e_sd15_tile，这里注意是v11f1e，如果找不到，请按照上面的下载/更新再来一次
(4) Tile 模型专属参数 Down Sampling Rate，意思是向下缩放取样系数。作用是系数越大，得到的参考图越小，取值细节越小，最终得到的效果图随机细节越多，与原图的关系越小。
如：一张512*512的参考图，在Down Sampling Rate为2的情况下，得到的参考图为256*256；值为4的时候，得到128*128。
ControlNet Tile模型的使用栗子
ControlNet Tile 目前大家都喜欢在图生图（img2img）里使用，那为什么不喜欢在文生图（txt2img）里用？
因为Tile模型的性质，修复和细节增强。
文生图（txt2img）里，出图是随机的，也就是我们都不知道出来的图片是什么样子的，如果直接使用细节增强，那么会增加我们的出图时间，减少出图效率，让我们的可控性得不到保障。所以大家不太愿意这样花时间。
下面我们的栗子，也都是基于图生图（img2img）。
敲黑板：图生图（img2img）的重绘强度（Denoising strength）是直接影响Tile模型致输入图和输出图之间变化强度的因子。数值越高，被修改的细节越多，反之则少。
栗子1：放大，一个简单的放大，我们先只用图生图的宽高影响输出图。
原图：
参数设置：
原图：512*512，输出图：1024*1024
正向提示词：cat
反向提示词：无
Steps: 25, Sampler: Euler a, CFG scale: 7, Seed: 2402482788,Size: 1024x1024,
Model: deliberate_v2,
Denoising strength: 0/0.3/0.6/1,
Controlnet不放入参考图，图生图重绘强度分别是0、0.3、0.6、1，四个档位，效果如下：
随着重绘强度的增加，猫的细节更多，毛发纹理和胡须更加清晰，颜色也从淡粉向淡黄转变。如果放大时不想出现多的随机细节，可以把值设置为0。
Tile模型也可以配合【Ultimate SD upscale】终极方法脚本一起使用。
（没有安装【Ultimate SD upscale】脚本的小伙伴，文末有电梯哈）
我们来用Ultimate SD upscale合成一张4k高清图。
其他参数不变，重绘强度0.3，Ultimate SD upscale设置如下，放大8倍：
(4k：512*8=4096)
得到：
毛发纹理，鼻子的颜色和纹理都很赞！
下面放一张重绘强度0.6的图片，也称——大家来找茬，找找有几幅猫的面孔：[狗头]
因为Ultimate SD upscale是采用切割图片进行处理的，所以提示词会影响每一个切片。
栗子2：修复，把一张512*512的脸部和手部出现坏了的图片修复，只需2步：
原图：
参数设置：
正向提示词：
a woman walking int the park, skirt ,shorts,
反向提示词:kitsch, ugly, oversaturated, grain, low-res, Deformed, blurry, blur, poorly drawn, mangled, surreal, text,by <bad-artist-anime:0.8> , by <bad-artist:0.8> , by <bad-hands-5:0.8>, by < bad_prompt_version2:0.8>
Model: deliberate_v2
Steps: 25, Sampler: DPM++ SDE Karras,CFG scale: 7, Seed: 734068303,Size: 1024x1024
ControlNet设置：
(1) 第一步，inpaint 修复脸部和手部，重绘强度0.6：
遮罩图：
得到：
脸部和手部得到很好的修复，背景和裤子上的纹理都没有改变。
(2) 第二步，使用图生图（img2img）全图修复，重绘强度0.6：
衣服褶皱、裤子纹理、背景清晰度和光线都得到很好的修正。
栗子3：细节增强。到这里，小伙伴们估计也知道了，Tile模型的放大和细节增强和重绘强度有关。强度低就是简单的放大效果，强度高，就是增强细节。
能达到多强的效果？看下面的三组对比图就明白了：
(1) 金毛犬
(2) 果盘：
(3) Air Jordan
总结
到这里，ControlNet Tile 的模型介绍就完成喽！
总的来说，ControlNet Tile是一个集放大、修复和细节增强为一体的工具，通过参数控制、重绘强度可以选择我们想要达到的效果。
但官方说目前的Tile模型还是在实验阶段，还有一些功能没有实现。那就让我们一起静待大佬们的成果吧。
非常感谢小伙伴们的阅读！
我们下期见~
电梯：
