서론

이 모델은 @CagliostroLab이 개발한 훌륭한 Animagine XL의 inpainting 버전입니다. 수고 많으셨습니다!

inpainting 모델의 전체 목적은 이미지를 inpainting 또는 outpainting할 때 최소한 더 나은 결과를 제공하는 것입니다. 예를 들어, 일반적인 체크포인트 모델로 이미지를 outpainting할 경우 원래 부분과 새로 확장된 부분 사이에 매우 뚜렷한 선이 생기기 쉽습니다. 이 모델은 그런 선을 제거하는 데 도움이 됩니다! 반면, inpainting은 이미지의 불필요한 세부 사항을 제거하거나 왜곡된 부분을 수정할 수 있으며, 심지어 완전히 새로운 세부 사항을 추가할 수도 있습니다. 원하는 세부 사항이 나타나길 원하는 영역에 마스크를 그린 후 프롬프트를 적절히 수정하면 됩니다!

아래는 outpainting 후 매우 뚜렷한 선이 생긴 예시입니다:

왼쪽은 원래 모델, 오른쪽은 inpainting 모델입니다. (네, 저는 단지 목적을 명확히 보여주기 위해 최악의 사례 중 하나를 골랐습니다.)

여기에는 더 부드러운 예시가 있습니다. 이번에는 outpainting이 아니라 inpainting을 사용해 이미지의 세부 사항을 변경한 결과입니다. inpainting 모델이 이미지의 나머지 부분의 색조에 더 잘 맞춰졌음을 확인할 수 있습니다.

주의: inpainting 모델 없이도 충분히 좋은 결과를 얻을 수는 있지만, 일반적으로 inpainting 모델을 사용하는 것이 더 쉬운 편입니다.

사용 방법:

일반적인 설정 및 프롬프트에 관한 권장 사항은 원래 모델을 참고하세요. 하지만 inpainting/outpainting 시에는 보통 CFG 스케일을 2-7 사이로 설정하고, denoising 강도는 보통 0.8에서 시작합니다. 그러나 모델이 생성하는 내용이 지나치게 창의적이거나 마스크 주변 배경 색상에 잘 맞지 않는다고 느껴지면 0.6으로 낮출 수 있습니다. 특정 세부 사항을 완전히 제거하고 싶다면, denoising 강도를 0.9까지 높일 수도 있습니다. denoising 강도는 결과에 큰 영향을 미치므로, 원하는 결과를 얻기 위해 이 설정을 여러 번 조정해 보는 것이 좋습니다. 결과가 만족스럽지 않다면 다른 설정은 그대로 두고 이 값만 바꿔보세요.

기타 정보:

기반 SDXL inpainting 모델(wangqyqq 제작), Juggernaut XL(라이트닝이 아닌 버전), SDXL 베이스 및 fp16 fix VAE를 결합하여 Automatic1111에서 제작되었습니다.