ADtailer adalah ekstensi untuk webui difusi stabil yang melakukan masking dan inpainting otomatis. Ini mirip dengan Detection Detailer.
Anda dapat menginstalnya langsung dari tab Extensions.
Atau
(dari Mikubill/sd-webui-controlnet)
https://github.com/Bing-su/adetailer.git
ke "URL untuk repositori git ekstensi".Model, Anjuran | ||
---|---|---|
Model detailer AD | Tentukan apa yang harus dideteksi. | None = nonaktifkan |
Kelas model ADtailer | Nama kelas yang dipisahkan koma untuk dideteksi. hanya tersedia saat menggunakan model YOLO World | Jika kosong, gunakan nilai default. default = kelas COCO 80 |
Perintah ADtailer, perintah negatif | Anjuran dan petunjuk negatif untuk diterapkan | Jika dibiarkan kosong maka akan sama dengan inputnya. |
Lewati img2img | Lewati img2img. Dalam praktiknya, ini berfungsi dengan mengubah jumlah langkah img2img menjadi 1. | img2img saja |
Deteksi | ||
---|---|---|
Ambang batas keyakinan model deteksi | Hanya objek dengan keyakinan model deteksi di atas ambang batas ini yang digunakan untuk pengecatan. | |
Rasio min/maks masker | Hanya gunakan masker yang luasnya berada di antara rasio tersebut untuk luas keseluruhan gambar. | |
Tutupi hanya k teratas yang terbesar | Hanya gunakan k objek dengan luas bbox terbesar. | 0 untuk menonaktifkan |
Jika Anda ingin mengecualikan objek di latar belakang, coba atur rasio minimum menjadi sekitar 0.01
.
Pemrosesan Awal Masker | ||
---|---|---|
Topeng x, y diimbangi | Memindahkan topeng secara horizontal dan vertikal | |
Erosi topeng (-) / pelebaran (+) | Memperbesar atau memperkecil masker yang terdeteksi. | contoh opencv |
Mode penggabungan topeng | None : Cat ulang setiap topengMerge : Gabungkan semua masker dan catMerge and Invert : Gabungkan semua topeng dan Balikkan, lalu cat |
Diterapkan dalam urutan ini: x, y offset → erosi/pelebaran → penggabungan/pembalikan.
Setiap opsi sesuai dengan opsi terkait pada tab inpaint. Oleh karena itu, silakan lihat tab inpaint untuk detail penggunaan tentang cara menggunakan setiap opsi.
Anda dapat menggunakan ekstensi ControlNet jika Anda telah menginstal ControlNet dan model ControlNet.
Mendukung model inpaint, scribble, lineart, openpose, tile, depth
controlnet. Setelah Anda memilih model, praprosesor diatur secara otomatis. Ia bekerja secara terpisah dari model yang ditetapkan oleh ekstensi Controlnet.
Jika Anda memilih Passthrough
, pengaturan jaringan kontrol yang Anda atur di luar ADtailer akan digunakan.
Contoh permintaan API: wiki/REST-API
Token [SEP], [SKIP], [PROMPT]
: wiki/Lanjutan
? どこよりも詳しい After Detailer (adetailer)の使い方 ① 【Difusi Stabil】
? どこよりも詳しい After Detailer (adetailer)の使い方 ② 【Difusi Stabil】
Instalasi ADtailer dan 5 Metode Penggunaan
Model | Target | peta 50 | peta 50-95 |
---|---|---|---|
wajah_yolov8n.pt | Wajah 2D / realistis | 0,660 | 0,366 |
wajah_yolov8s.pt | Wajah 2D / realistis | 0,713 | 0,404 |
hand_yolov8n.pt | 2D / tangan realistis | 0,767 | 0,505 |
person_yolov8n-seg.pt | 2D / orang yang realistis | 0,782 (kotak b) 0,761 (topeng) | 0,555 (kotak b) 0,460 (topeng) |
person_yolov8s-seg.pt | 2D / orang yang realistis | 0,824 (kotak b) 0,809 (topeng) | 0,605 (kotak b) 0,508 (topeng) |
mediapipe_face_full | wajah realistis | - | - |
mediapipe_face_short | wajah realistis | - | - |
mediapipe_face_mesh | wajah realistis | - | - |
Model YOLO dapat ditemukan di Huggingface Bingsu/adetailer.
Untuk penjelasan rinci tentang model YOLO8, lihat: https://docs.ultralytics.com/models/yolov8/#overview
Model Dunia YOLO: https://docs.ultralytics.com/models/yolo-world/
Masukkan model yolo ultralytics Anda ke models/adetailer
. Nama model harus diakhiri dengan .pt
.
Itu harus berupa deteksi bbox atau model segmen dan menggunakan semua label.
ADtailer bekerja dalam tiga langkah sederhana.
ADtailer dikembangkan dan diuji menggunakan model stable-diffusion 1.5, hanya untuk repositori AUTOMATIC1111/stable-diffusion-webui versi terbaru.
ADtailer adalah karya turunan yang menggunakan dua karya berlisensi AGPL (stable-diffusion-webui, ultralytics) dan oleh karena itu didistribusikan di bawah lisensi AGPL.