【AIGC】【图像生成】controlNet介绍（原理+使用）

---

---

安装

下载安装：建议下载V1.1版本，模型在：
https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main

1、ControlNet：AI绘画

如果要画一幅画，一方面是构图，一方面是风格。现在的AI绘画，就是炼丹。需要通过各种 prompt 来控制画面的构图和风格。

鉴于prompt 的专业性与复杂性，产生了两个模型： ControlNet就是用来控制构图的，LoRA就是用来控制风格。还有一个风格迁移的模型shuffle，此外，SD1.5也能生成好的图像。

那ControlNet是 如何构图呢？有以下两种方法：
1、已经手绘了草图，后续的完善和美化由 AI 去做；
2、利用现成的图，生成不同风格的新图。
那么这就是ControlNet做的事情：通过你手上已有的图而不是咒语，实现对AI绘图的控制。

这里只介绍 ControlNet，LoRA作为锦上添花的 work 后续介绍。

1.1、ControlNet的本质是文生图(txt2img)

ControlNet的原始论文：《Adding Conditional Control toText-to-Image Diffusion Models》 及代码，最原始是一个 txt2img 的工作。此外还有 inpaint 的附加功能，也就是替换、消除等。
所以在WEB UI中，不管是txt2img还是img2img，都有ControlNet。

2.2、预处理器 & 模型选择

要保证预处理器(preprocessor)跟模型(model)是同类的。

预处理器preprocessor：对参考图预处理，作为控制图，给到后续的对应模型进行控制出图。比如：如果选择了scribble类的预处理器，那么模型就最好选择scribble模型：

上图中，第一行分别是原图和scribble预处理后的图，想画一只类似猫头鹰。第二行是不同配置条件下的AI出图结果。只有预处理跟模型是一致的情况下，才能得到比较好的结果图，如果预处理器或者模型有一者为空，基本就等同于ControlNet未生效，就是一般的SD出图，如第二行的中间两幅图。 WEB UI开发者也注意到了预处理器vs模型之间对应关系的问题，所以在1.1.2XXX版本中限定了预处理和模型之间的对应关系，如下图所示。

1.3、参数配置

由于可调参数多，第一次使用默认参数，如果效果不好，再做参数细调。

2、ControlNet 模型分类

ControlNet1.1版本发布了14个模型，主要可以分成三类：

2.1、草图类(6个)

主要是用预处理器，将图像处理成草图，或者直接输入手稿也行。

预处理器有以下几种：
1）Canny：边缘提取器，最常用
2）MLSD：特殊的线条检测（比如直线），适合建筑设计、室内设计
3）lineart ：线条提取（早期版本叫fake_scribble ）
4）lineart_anime：需要配合anything_v3-v5的大模型（需要复杂提示词）使用
5）SoftEdge：区分几种预处理器，综合效果选择SoftEdge_PIDI
6）Scribble：涂鸦，类似于简笔画

以下是不同预处理器的效果和差异

以下是Scribble的效果

简单的prompt就能生成非常好的效果图

2.2、高级特征类(3个)

1）depth：深度图
2）seg：语义分割图。譬如粉色是建筑物、绿色是植物等
3）normalbae：法线贴图（法线就是像素的梯度，反映了纹理）

以下是效果图，后面两列是模型生成的新图

对应的预处理器如下(可随机选，效果类似)：

1.depth：支持depth_Midas, depth_Leres, depth_Zoe等等，以及别其他软件生成的depth map
2.seg：支持Seg_OFADE20K、Seg_OFCOCO、Seg_UFADE20K，以及人工手绘的蒙版。
3.normalbae：支持normal_bae, normal_midas

3.3、高级类(5个)

1）OpenPose：骨骼捕捉，很热门
2）inpaint：局部修图，可以很自然删除一些目标
3）shuffle：风格混合，转换不同风格
4）ip2p：指令式修图，可以识别有限的指令
5）tile：图像超分：会增加原图没有的细节。

以下是ip2p的效果

以下是shuffle 的效果

---

3、配置参数

大多数参数选择默认就可以了，在高阶应用时需要调参。除了对预处理器与模型的选择，下面介绍别的参数

黄色框：跟所选的 预处理器和模型相关的。主要是线条粗细、细节丰富程度等参数

红色框：

第一组：基础控制，比较简单
1）enable：是否启用ControlNet
2）lowVRAM：低精度，可以减少显存消耗
3）Pixel Perfect：是新版本新增功能，对应黄框中的第一项preprocessor resolution，算法自己去计算最合适的resolution。如果不是512*512这种的方形出图，建议勾上这个选项。
4）allow preview：提前预览 预处理器的效果

第二组：权重控制（可以直接用默认）
1）control weight：控制网络的控制权重
2）starting control step：什么时候介入控制（百分比）
3）ending control step：什么时候退出控制（百分比）
如果不想用controlNet控制太多，则可以晚点介入。

第三组：控制模式（可以直接用默认）
1）balanced
2）my prompt is important
3）ControlNet is important
用于分配 prompt 和 参考图的权重比例

第四组：裁剪方式
当控制图(参考图)的尺寸跟目标图（txt2img里面要生成的图）的尺寸不一致时，需要配置这组参数：
1）just resize：变更控制图的长宽比以适应目标图的尺寸比例（可能导致形变）。
2）crop and resize：对控制图进行裁剪以适应目标图的尺寸比例 。
3）resize and fill：对控制图进行缩放，保证整个控制图能塞到目标图中去，然后对多余部分进行空白填充。

4、基本原理：可控的SD模型

ControlNet：将stable diffusion模型，克隆出一个副本

ControlNet是一个用于 深度神经网络 的控制技术，它可以通过操作神经网络的输入条件来控制神经网络的行为。网络主要包含 “resnet”块、“conv-bn-relu”块、多头注意力块等。通过克隆神经网络块的参数， 并应用零卷积连接层来实现ControlNet的目标。

副本网络与原始网络块的输入和输出是一致的。训练初始阶段，ControlNet不会对神经网络产生影响。零卷积的权重和偏置值都被初始化为零，这使得ControlNet在优化过程中不会影响权重和偏置值的梯度。ControlNet通过控制神经网络块的输入条件来调整神经网络的行为，并适应不同的任务和数据。每个神经网络块由一组参数来定义，这些参数可以在训练过程中进行优化。

ControlNet 应用于任意神经网络块。x; y 是神经网络中的深度特征。“+” 表示特征加法。“c” 是我们要添加到神经网络中的额外条件。“zero convolution” 是一个 1 × 1 卷积层，其权重和偏置都初始化为零

ControlNet结构可以表示为：

y_c = F(x; α) + Z(F(x + Z(c;β_z1); β_c); β_z2)

其中，y_c是该神经网络块的输出结果。在第一次训练步骤中，神经网络块的可训练副本和锁定副本的所有输入和输出不受ControlNet 影响。任何神经网络块的能力、功能和结果质量都得到完美保留，并且任何进一步的优化将变得像微调一样快（与从头开始训练这些层相比）。

在第一次训练步骤中，由于零卷积层的权重和偏置值都初始化为零，我们有：

Z(c; β_z1) = 0
F(x + Z(c; β_z1); β_c) = F(x; β_c) = F(x; α)
Z(F(x + Z(c; β_z1); β_c); β_z2) = Z(F(x; β_c); β_z2) = 0

当应用ControlNet到一些神经网络块时，在任何优化之前，它都不会对深度神经特征产生影响。任何神经网络块（比如预训练的SD）的能力、功能和结果质量都得到完美保留，并且任何进一步的优化将变得像微调一样快。通过迭代的过程，重复应用ControlNet操作来优化神经网络块。这样，在每一步中，我们可以保持所有其他神经网络块不变，仅对某些神经网络块进行修改和调整。

原文以 Stable Diffusion为基础，使用ControlNet对大型网络进行控制：将Encoder复制训练，decoder部分进行skip connection。

图中 “Zero Convolution”是带有零初始化权重和偏差的1×1卷积。模型开始训练之前，所有零卷积输出都是零，此时模型仍然是原始的Stable Diffusion Model。而在加入自己的训练数据之后，则会对最终结果做微调，因此不会导致模型出现重大偏离的情况。

我们从整体的模型结构上可以看出，作者在Stable Diffusion 模型的decode层加入了上述“0卷积层”，以实现对最终模型与训练数据的一致性。

5.可视化效果

图像分割搭配SD1.5

姿态检测搭配SD1.5：

通过HED轮廓，搭配SD1.5

灵魂画师搭配SD1.5

---

总结

部分图片转载自知乎用户@BitByBit