SD Model Dress Up: Inpaint Anything

同类案例：https://cloud.tencent.com/developer/article/2365063

un ejemplo real

正向： A beautiful woman wearing a white wedding dress adorned with lace, walking along the beach at sunset. Her hair is gently lifted by the breeze, and she is holding a bouquet of white roses. dynamic pose, photography, masterpiece, best quality, 8K, HDR, highres, absurdres: 1.2, Kodak portra 400, film grain, blurry background, bokeh: 1.2, lens flare

 

反向： nsfw, ugly, paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres

例如，你有像這樣的穿著衣服的人台照片，這張是我們自己展示室拍的照片。

plano de la azotea

会用 Stable Diffusion ，不用十分钟，第一张图就出來了。

就算要做調整，一小時也都夠了。例如：

人台生成真人模特1

人台生成真人模特2

人台生成真人模特2

一、人台图真人化生成思路

将假人台变真人还要保留衣服，这要怎么做呢？

这时熟悉Stable Diffusion的朋友就会说：我知道，就是用图生图里Inpaint功能，然后把衣服外的地方做遮罩，让Stable Diffusion重绘。

那遮罩怎么做？如果要用手一笔笔做遮罩那太慢了，要是这样，我就不用特别出这篇。

又会有人说：我知道，先用photoshop把遮罩做出来，再用遮罩重绘功能。

这也是个方法，但现在还可以更智能。

今天我们要使用一个外挂inpainting anything，给一张照片，它可以把照片用色块分别出不同的东西。到时候我们只要选哪些色块要做成遮罩，这样子遮罩就做出来了。

然后再利用重绘的功能，在保留衣服的情况下，把假人真人化。

虽然基本的思路是这样，但是如果你自己动手操作过，你就会知道路上还是有很多的坑。

所以在这篇文章里，我不仅会手把手教你如何把假人变成真人，重要的事情是我还会告诉你我是怎么样把这些坑填平的。

现在就一一跟大家说明。

二、假人台模特真人化准备工具

这篇示范是使用 Automatic 1111 的 WebUI ，并采用 SD 1.5 的模型，我们开始准备吧！

准备 1 ：inpaint anything

首先会用到 Inpaint Anything 这个外挂，请检查您的 Automatic 1111 的 WebUI 看看有没有页签 Inpaint Anything 的外挂，没有的话请安装一下

安裝 inpaint anything

到 Install from URL，輸入

https://github.com/Uminosachi/sd-webui-inpaint-anything.git

即可安装

安装好后，回到 install 页签，按下 Apply and quit 即可

准备 2 ：Inpaint 专用的模型

这次我会用 epiCPhotoGasm 示范，这模型出来的品质都像是摄影大师照出来的照片，特别适合用在需要真实画面的地方。

我们今天要用的不是他的主要模型，而是要用他的 Inpaint 模型。

请到下方连结，下载它的 Inpaint 模型并安装好，准备等下使用。

https://civitai.com/models/132632?modelVersionId=201346

准备 3 ：假人照

我们就用我们的例子这张

这是在自家的展示室拍的，要注意的是他是个黑色的人台，这等一下会惹出些麻烦。这边先预告。

这 3 个东西准备好后，我们就可以开始了。

三、操作示范

这个教学是用 SD 1.5 的模型来示范整个流程。

第 1 步：选 SAM 模型及下载模型

按下 Inpaint Anything 页签，会看到像这样的画面

选择要使用的语义分割模型 Segment Model ID，。我们这里选 sam_vit_l_0b3195.pth 这一个模型。如果你是刚安装好的话，这些模型还没有下载，你要 Download model 钮，它才会下
载。

第 2 步：取得实例分割图

上传图片到 inpaint anything，然后按下 Run Segment Anything 。

你会在右边看到实例分割图

第 3 步：做出初步的遮罩（mask）

如果等下我们要用重绘功能，就要把想要重绘的区域做出遮罩。那现在有语义分隔后的色块，要如何快速的做出遮罩呢？

很简单，只要拿滑鼠在想要做遮罩的色块上点一下就好，不必涂整个色块，只要有点到那个色块等一下就会变成遮罩。

因为我们希望是背景、假人等等要重绘，所以这些地方要选起来，但是但背景有些复杂，做起
来太麻烦，所以我们可以改将点选衣服上的色块，然后将 Invert Mask 打勾就好。

都点选好以后，按下 Create Mask ，你就会看到遮罩结果。

第 4 步： 查看遮罩（mask）结果

检查遮罩结果，看看有没有漏掉的，其实画面如果比较复杂，这样很难看清楚，这里有个诀窍，把旁边的 Mask Only 页签开出来。

上面有两个按钮：

Get mask as alpha of image

Get mask

这两钮按下去以后，你就可以看到遮罩有没有做好。

注意，这边的白色，才是遮罩，是未来要 AI 填充的地方，黑色是要保留的部分，不要弄错了。

第 5 步： 微调遮罩

从这个遮罩图可以发现，除了衣服以外，还有其它地方还没有被遮罩到（也就是有不该出现的
黑色线条）。

这时就手工微调一下。

回到产生遮罩的图，在上面把要加遮罩的地方涂上。如果有要增加黑色的地方，就手动画一下，然后按 Trim mask by skatch 钮，反之，要增加白色的方法，手动画一下，按 Add mask by skatch 钮。

如果觉得图太小不好涂抹，可以用按 S 将图放大，再按一次 S 即可还原。

加黑色：Trim mask by skatch 钮
加白色：Add mask by skatch 钮

涂好以后，按下 Add mask by sketch.

接着再到 Mask Only 页签里按下 Get mask hasta Get mask as alpha of image ，是不是我们想要
的遮罩。

如果还有其它杂点，就用同样的方式修掉；如果没问题，我们就进下一步。

第 6 步：开始在 inpaint anything 里重绘

当我们的遮罩都做好以后，我们就可以开始请 stable diffusion 帮我们填充背景。

到 inpaint 页签，填上提词和反向提词。因为我想要生成出来的画面是：美丽的女人穿着婚纱，手拿着白色玫瑰。所以输入以下的提词：

A beautiful woman wearing a white wedding dress while holding a bouquet of white roses. 
Dynamic pose, photography, masterpiece, best quality, 8K, HDR, highres, absurdres: 1.2,
Kodak portra 400, film grain, blurry background, bokeh: 1.2, lens flare

反向提词如下：

Nsfw, ugly, paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres

选择一个 inpaint 模型，这几个模型是 inpaint anything 他预设的。

因为我们要做真实的照片，所以使用 Uminosachi/realisticVisionV51_v51VAE-inpainting 这个
Modelos.

按下 Run Inpainting 后，你就会拿到真人模特儿的图

看来不错，我们来多生几张。

拿到图以后，你以为这次的教学就结束了吗？

还没有！因为真的要用的话，还有些问题

• 没有办法一次出很多张图让我们挑
• 没有办法使用我们想要的模型

那怎么办呢？所以我们需要下一步。

第 7 步： 使用图生图的重绘功能

回到 Mask Only 页签，按下”Send to img 2 img inpaint”。

当您送出遮照后，会跳到图生图的 Inpaint Upload 页签。你会看到你的图片和遮罩都被传过来了

这时候熟 SD 的人就会很开心，回到熟悉的地方了，终于可以选自己喜欢的模型了。

那来选一个模型吧！这里我选 chilloutmix。

再来调图片尺寸，按下三角板后，系统自动把宽高调成和照片一样，不必我们再输入。

现在要来填提词，现在想要改一下，让美女在海边穿着婚纱，她的头发被微风轻轻吹起，她手里拿着一束白玫瑰。所以我们修改提词如下：

A beautiful woman wearing a white wedding dress adorned with lace, walking along the
beach at sunset. Her hair is gently lifted by the breeze, and she is holding a bouquet of white roses. Dynamic pose, photography, masterpiece, best quality, 8K, HDR, highres, absurdres: 1.2,
Kodak portra 400, film grain, blurry background, bokeh: 1.2, lens flare

反向提词不变：

Nsfw, ugly, paintings, sketches, (worst quality:2), (low quality:2), (normal quality:2), lowres

采样器用 DPM++ 2 M Karras ，采样步数设到 40。

其它参数都用预设，如下图：

应都准备好了，现在就生成吧！

出现了怪东西！

为什么 AI 生成的模特儿，不把衣服换好？衣服像是漂在空中一样。

难道是 Masked content 要调？目前预设是 original 。

那调成别的看看，先调成 fill

结果还是没穿好。那调成 latent noise 看看。

画面还更怪了。那难道是要用 latent nothing ？

一样没穿好！这到底怎么回事？为什么衣服总是不穿好？

所以在这边，我们就可以得到一个结论… 它坏了 ….

先别这么快下结论，这其实是我们选错模型。

第 8 步： 选择 epiCPhotoGasm Inpainting 模型重绘

刚刚衣服总是不穿好的原因很简单，我们现在在做的事是重绘，不是纯粹的生成，所以我们要用专门用来做重绘的模型。

ChilloutMix 并不是用来重绘的模型，所以我们现在要改用之前下载好的 epiCPhotoGasm_zinpainting
Modelos.

换了模型，我们就开始生成吧，这下应该没问题了吧！

我们来看看结果：

我们得到了一个穿上衣服的…漂亮的人台。

这又是怎么回事？刚刚衣服没穿好，现在人不见了，说好的美女呢？难道是运气不好，再生成一次看看。

结果，美女是出现了，但他胸口的黑布是怎么回事？我们并没有要这块布呀！

这原因是因为目前 mask content 的参数是 original ，它在重绘时会参照原图上的结构和颜色进行重绘，所以才会出现人台及黑布，因为这些在原图上都有。那我们要怎么解决这问题？

简单，换别的参数就好了，例如，我们改用 fill ，会得到像下面这样的图。

如果是用 latent noise ，会是像下面的结果

若是用 latent nothing ，则会出现

这样的画面是不是很不错了？都还没有精细的微调就可以有这样子的品质，再优化的话就会更好，那接下来要怎么优化呢？

四、常见问题

这样一操作下来，大家可能有些问题，一一为大家说明。

问题 1 ：什么是实例分割？

实例分割指的是指将图片上的东西进行区分，将不同的东西用不同的颜色标示出来，每一种颜色代表一个东西。

这次就是用实例分割，加速我们制作遮罩的时间。

问题 2 ：Inpaint Anything 有不同的 Segment Anything Model ，有什么区别？

Segment Anything Model ，也叫 SAM ，在 Inpaint Anything 提供了 9 种，

可以分成4类，我们一一说明。

第 1 类：sam_vit 开头的 – Meta 提供的 SAM 模型

sam_vit 开头的，是 meta 提供的模型。因为 Meta 把他们的语义分割模型命名为 Segment Anything Model ，我们目前所称的 SAM 算是从这里开始算起，应算是这一波 SAM 模型的始祖。

这是一系列的模型是 Meta 在 2023 年 4 月公布的，其它的 SAM 模型都会拿来和这系列做比较。共有 3 种模型，以大小分别为，h (huge), l (large), b (base)，huge > large > base ，精准度理论上也是和大小成正比，计算速度也是。

从效果上看， huge 和 large 的差别不大，但和 base 就有明显差别。

Meta SAM 参考资料：

https://segment-anything.com/

https://github.com/facebookresearch/segment-anything

https://huggingface.co/facebook/sam-vit-base/tree/main

https://huggingface.co/facebook/sam-vit-large

https://huggingface.co/facebook/sam-vit-huge

第 2 类： sam_hq_vit 开头的 – Segment Anything in High Quality 系列

若是 sam_hq_vit 开头模型就是苏黎世联邦理工学院视觉智慧与系统小组 (Visual Intelligence and Systems Group at ETH Zürich) 提供的高品质语义分割模型。根据根据他们的论文提供的数据，他们的切割准度比 Meta 还来得好，所以称为high quality。虽然他们分割出来的区域是比 Meta 还来得细，但在我们的例子里面分别不大。

SAM HQ 参考资料：

https://github.com/SysCV/sam-hq

https://huggingface.co/lkeab/hq-sam/tree/main

第 3 类：FastSAM 开头的 – FastSAM 系列

如果要效果不错，又省些内存，可以用 FastSAM 系列，它是由 CASIA-IVA 实验室 (CASIA-IVA-Lab) 提供的。我自己在小 VRAM 的机器上会用这个模型。

它的有 2 种型号，X 和 S。

X 这个型号在我们这次婚纱的例子，效果还可以，但 S 就不适合我们的例子。

FastSAM 资料如下：

https://github.com/CASIA-IVA-Lab/FastSAM

https://huggingface.co/An-619/FastSAM

第 4 类：Mobile SAM

又小又快的 SAM ，用 CPU 也可以跑得很快的 SAM 。但，效果也是最差的一个，只适合分辨大区块的东西。

Mobile SAM 参考资料：

https://github.com/ChaoningZhang/MobileSAM

https://huggingface.co/dhkim2810/MobileSAM/tree/main

问题 3 ： Inpaint 的 Masked content 参数控制了什么？

Masked content 的选项有4个，说明如下：

选项 1 ：Fill

fill 选项会将重绘区域的图像最大程度地模糊化，仅保留大致的结构和色彩。因此，在需要大规模重绘会使用它。

在我们的范例中，海平面的位置、沙难的走向，都是一致的，连夕阳的颜色也都差不多。

选项 2 ： Original

Original 会参考原图，生成出的图，区块、颜色等等会和原图很像。

在我们的范例中，这选项会留人台黑色的部份，并且沙滩的走向也会保留。

选项 3 ： Latent noise

Latent noise 把要重绘的部份给杂讯，容易产生不相关内容，适用于需要创意的地方。

在我们这次的示范中你会发现，用 latent noise 生成的图，若 prompt 里有提到小东西（如我们的是白玫瑰），则会重覆出现这小东西。

选项 4 ： Latent nothing

Latent nothing 会参考要重绘的区域附近的颜色，找出附近颜色的平均值，再填回重绘区。这种方式非常适用于移除不需要的物件。

但在我们这次的范例中，因为我们是大范围的重绘，所以感觉不出有移除东西。但你观察用 latent nothing 生成的图，你会发现他们的配色和构图会很像，例如沙的颜色也都很像。

五、回顾延伸问题

我们回顾一下刚刚做了什么？

简单说，就是 2 大步骤：

• 用 Inpaint Anything 的语义分割功能做遮罩。
• 再传送到图生图用 inpaint upload 以及 inpaint 专用模型重绘。

光是这样，就可以做出来像今天一样的成果了。

凡事都还可以更好，如果用目前这种方式，仍然还会有几个问题：

1. 我要的模型没有 inpaint 模型怎么办？可以用一般模型吗？
2. 要怎么改变衣服上的光影？
3. 有时会有P图的感觉，要如何才会更自然？
4. 如何生成更丰富的图片，不是现在做出来的这几个样子。