Depth Library的进阶使用方法

其实本教程是和基础教程一起写出来的，但是关于Depth Library的进阶教程使用方法需要太多前置技能，都放在Depth Library基础教程内给大家讲，可能会让各位基础不太好的同学们看的云里雾里，所以单独拆分出来，大家段式学习，可能效果会更好。

如果您还没看过基础教程，请一定要先看一下，不然本篇内容您可能不太容易理解。

Depth Library｜AI绘画调整手指

进阶方法介绍

该方法使用openPose算法+Depth Library插件来生成模型，效果比普通方法会更好一些，在普通方法中已经讲过的部分本站在进阶教程中就不废话了。

前置技能

学习此部分内容，需要先了解ControlNet的OpenPose算法，关于此部分的算法使用，本站已经在之前的内容中有所介绍，如果您不理解我下面想讲的内容，请先看下面这篇ControlNet的使用指南。

ControlNet｜使用教程

LoRA

本站教程中所使用的基础模型和角色为LoRA，如果您对LoRA感兴趣，可以阅读下面的文章。

LoRA

环境设置

除了掌握ControlNet的OpenPose算法之外，我们还需要开启两个特殊选项。

• Stable Diffusion WebUI -> ControlNet -> Multi ControlNet: Max models amount (requires restart)
  • 将该参数设置为2
• Stable Diffusion WebUI -> ControlNet -> Enable CFG-Based guidance
  • 勾选

然后按顺序点击Apply settings和Reload UI。

做完如上步骤之后，我们将会在ControlNet内看到两个控制窗口（如下图所示），之前只可以添加一张图片去引导图像生成，但是现在可以同时让两张图片相互影响，然后生成最终图片，非常奈斯。

⚠️注意：上所所示中有两个面板，Control Model - 0和Control Model - 1两个面板是相互独立的，互相影响，但数值不通用。
举例1：本站在Control Model - 0设置Weight（权重）数值为0.5，那么Control Model - 1的Weight并不受影响，默认依旧为1。

举例2：本站在Control Model - 0设置Weight（权重）数值为0.7，然后将Control Model - 1的Weight设置为1。那么在通过ControlNet进行引导渲染时，Control Model - 0为主要模型，Control Model - 1为辅助模型，在生成图像时，图像的内容将更加偏向Control Model - 0的画面提示。

姿势提取

既然我们这次使用OpenPose+Depth Library，那我们就需要先提取一套骨骼，模特图仍然是普通用法教程中的基础图片，不做任何修改。

手势摆放

这里在普通方法里面讲过，这里就不做过多阐述了。

多重控制

OpenPose Editor

下面才是进阶教程的重点，我们先在OpenPose Editor选项卡内，将骨骼图片发送至ControlNet窗口内，此时我们将会在Control Model - 0的窗口内看到发送过来的骨骼图片，如下图所示。

Depth Library

然后再回到Depth Library选项卡，此时我们不要点击Send to ControlNet按钮，不然只会覆盖Control Model - 0的窗口内的图片，而不是自动加载到Control Model - 1的窗口中。

我们应该点击Save PNG按钮，先将这张已经摆放好的手势图片保存至本地，然后使用格式转换软件，将该PNG图片转换为JPG格式，然后在ControlNet内的Control Model - 1窗口加载已经转换为JPG格式的手势深度图，如果不转换为JPG格式无法上传。

重新引导

此时，我们已经完成了所有必要步骤，我们来进行最后的设置。

Control Model - 0，将该选项卡内的Enable勾选，然后设置Preprocessor为None，设置Model为control_sd15_openpose，其它参数保持默认即可。

Control Model - 1，将该选项卡内的Enable勾选，然后设置Preprocessor为None，设置Model为control_sd15_depth，其它参数保持默认即可。

然后直接点击平时生成图片的那个生成按钮，生成一张图片来看看效果。

可以看到，手指的效果通过使用ControlNet的多重控制，现在的效果已经非常奈斯啦！

自定义手势

目前该扩展插件中的手势库图片还比较少，手势的深度也是无法控制的，估计以后会给手势加一个透明通道调节的功能，这样可以控制手势渲染强度。

其实我们也可以自行上传手势深度图，图片可以从三维软中自己渲染，或者实拍之后自行提取也可以。

然后把已经处理好的深度图存放在到*/stable-diffusion-webui/extensions/sd_webui-depth-lib/maps文件夹中，刷新一下UI界面，就可以看到新加的自定义手势库啦。

总结

其实这个效果还算是看的过去，但是调节需要一些经验，因为只是通过ControlNet进行引导就已经比较复杂了，更何款现在的多重控制功能。

好啦，最近比较懒，不太想工作，进阶教程先写这么多。如果有更好的相关解决方案，本站将会为您带来高阶用法教程，掰掰。