Stable Diffusion AI绘图,利用深度图控制绘出特定姿势|ai|原理|插件|法线|深度图|神经网络|绘图

前面我们已经介绍了ControlNet使用OpenPose控制人物的动作姿态，因为姿态节点图是用点来描述的，所以可能有时控制不是很精确。

ControlNet是一种神经网络结构，它通过添加额外的条件来控制扩散模型，从而提高AI绘图的可控性。ControlNet公开了八种不同类别的输入条件，它们分别是：
1.Canny：边缘检测，通过从原始图片中提取线稿，来生成同样构图的画面。
2.Depth：深度检测，通过提取原始图片中的深度信息，生成具有相同表面几何形状的图片。
3.HED：全卷积边缘检测网络，与Canny类似，但更加精确。
4.MLSD：最小二乘直线检测（Minimum Line Segment Detection），用于识别建筑物等线段结构。
5.Normal：法线检测，用于提取原始图片中3D物体的法线向量，用于法线贴图和立体效果。
6.Openpose：姿势识别，用于人物动作，提取人体姿势的骨架特征。
7.Scribble：涂鸦识别，用于将简单的涂鸦转化为完整的插画。
8.Seg：语义分割识别（Semantic Segmentation），用于将原始图片划分为不同区域，并标注其语义类别。

简单了解ContorlNet的原理，对我们进行AI绘画还是有帮助的，这样我们在选择参数时就不会手足无措了。

一句话概括：用ControlNet的某一种模型加上输入图控制AI绘图的输出。

上次介绍的OpenPose控制：ControlNet的模型control_sd15_openpose.pth加上Pose节点图来控制。

今天介绍深度图控制：ControlNet的模型control_sd15_depth.pth加上深度图来控制。

从上面的原理我们可以知道，完成目标需要分两步：第一步，由原始图片生成一张深度图，第二步使用ControlNet的模型control_sd15_depth.pth控制AI绘图生成的人物。

深度图目前应用已经非常广泛了，例如一张图片生成3d街景。如何得到一个图片的深度图，方法有很多种，网上有各式各样的生成软件，免费的收费的都有。有些专门提取人物，有的专门提取房间的家具等等。这里只介绍其中最简单的一种，它已经作为扩展插件集成在了UI里。对人物的处理还可以，当然效果比不上某些专业的软件，不过作为AI绘画试验已经够用了。