Нейронная сеть Stable Diffusion (SD) сочетает в себе простоту использования, качество исполнения и широкий простор для экспериментов. К тому же она условно-бесплатная. Число доступных генераций ограничено, но если лимит исчерпан, то примерно через сутки можно снова приступить к использованию SD.
В программе Stable Diffusion используются разные алгоритмы для генепации изображений, называемые еще сэмплерами.
В предыдущей статье мы рассмотрели настройки интерфейса Stable Diffusion для создания нейроиллюстраций, в том числе такой параметр, как Sampling Method. Рассмотрим его более подробно.
Sampling Method — это алгоритмы (сэмплеры) создания изображений, влияющие на конечный результат. Другими словами, это некие селекторы «стиля», в котором понимает текстовый запрос нейросеть Stable Diffusion.
Результаты напрямую зависят от используемого сэмплера. Невозможно предугадать, каким будет результат, поэтому нужно экспериментировать с разными сэмплерами.
EULER A
Этот сэмплер работает молниеносно и дает неплохие результаты при очень малом количестве шагов (8-16). Но более интересные картинки получаются при 20-35 шагах.
В основном Euler a делает картинки в «мультяшном», «рисованном» стиле.
EULER
Этот сэмплер хорош в использовании при 30-50 шагах. Он достаточно быстрый.
LMS
LMS на 50 шагах в большинстве случаев дает прекрасные изображения, если ваш запрос выстроен правильно. LMS работает довольно быстро.
Вы можете остаться с этой настройкой на CFG 7-8. Но если результат не будет устраивать, попробуйте увеличить значение шага, например, 80. Но прежде убедитесь, что высокое значение шага действительно оправдано. Можно проверить это, удерживая сид и другие настройки на прежних уровнях, увеличивая и уменьшая только количество шагов.
DPM2/DPM2 A
В диапазоне 30-80 шагов эти сэмплеры хороши. Но они не подходят для экспериментов, так как очень медленные. Если вы находитесь на этапе корректировки своего запроса, следует придерживаться других сэмплеров: EULER A или DDIM — с меньшим количеством шагов.
PLMS
PLMS — похож на LMS, но добавляет больше мелких деталей (порой бессмысленных).
DDIM
DDIM — похож на LMS, но намного грубее, меньше деталей, больше артефактов, но зато неплохо работает даже на 8-20 шагах.
Это замечательная настройка для быстрого тестирования новых идей и создания большого количества изображений. Это дает возможность посмотреть, как текстовый запрос работает с несколькими "семенами" (сидами).
Добавив одно слово в текстовый запрос, установив 8 шагов, можно посмотреть, как это повлияет на результат. Для более сложных запросов DDIM может потребоваться увеличение количества шагов (15-35). Со временем вы будете видеть, в каких случаях увеличение количества шагов помогает, а в каких нет.
Лайфхак: если вы получили изображение в EULER A, которое вас устраивает, вставьте его в DDIM (или наоборот).
Вот такую "шпаргалку" по сэмплерам я нашла в интернете:
Не факт, что эти рекомендации будут работать спустя месяцы. Дело в том, что нейросеть постоянно совершенствуется. Есть большая вероятность того, что через несколько месяцев инструменты станут лучше, и алгоритмы будут вести себя по-другому.
Посмотрите видео про сэмплеры:
Друзья, если у вас есть время и желание научиться создавать потрясающие картинки с помощью ИИ, в том числе со своим лицом, то рекомендую проверенный мною курс Юрия Курилова «Нейроиллюстратор. Кнопка «Шедевр».
Посмотрите, какие нейроиллюстрации я создала на основе своих личных фотографий с помощью программы Stable Diffusion:
**********************************************************************************
P. S. Все желающие приглашаются на бесплатный мастер-класс «Специалист по нейросетям»! Вы познакомитесь с нейросетями - ChatGPT, Midjourney, Claude, YandexGPT, GigaChat, Kandinsky. Узнаете, как стать востребованным специалистом с достойным доходом. Получите ПОДАРОК — PDF-книгу «10 способов заработка на нейросетях ChatGPT и Midjourney».
<<<<< Регистрация на мастер-класс >>>>>
**********************************************************************************
✨Друзья, не пропустите вебинары, которые помогут Вам навести порядок во всех сферах жизни:
