Amazing Workflow To Generate Stunning Images!

我为这个工作流投入了大量精力，以生成出色且稳定的图像。我已完善它，并包含多种变体。你可以支持我，买我一杯咖啡。我会非常感激，因为我喝很多咖啡 😂☕

生成过程从左到右进行：

开始是一个 LoRA 堆栈，你可以用它来添加多个 LoRA。
我加入了高效加载器（Efficient Loader），以减少重复功能的多个节点，所有内容都整合在一起。
它连接到第一个 KSampler 以生成图像。
然后连接到第二个 KSampler；并连接到 HiResFix，用于放大和修复畸变。
接着连接到终极 SD 放大器（Ultimate SD Upscaler），但放大倍数较低：（x1.25），以保持原始风格。
此过程重复使用三个终极 SD 放大器。因为使用像（x2）这样的大值会显著改变甚至扭曲图像。
然后，最后一个终极 SD 放大器连接到面部细节修复器（Face Detailer），用于整体修复人物/身体。
再连接到第二个面部细节修复器，用于修复面部。
最后连接到第三个面部细节修复器，用于修复双手。
你可以将第二个 KSampler 的图像输出连接到“图像对比自适应锐化”（Image Contrast Adaptive Sharpening，图像锐化），然后将其输出连接到终极 SD 放大器的图像输入。你也可以对上传的图像执行相同操作。但请注意！！图像锐化会使图像看起来像绘画。

🔥重要说明！！🔥

使用 Control Net：

在高效加载器下方是 Control Net 的处理流程，也请查看我的视频。

要使用它，只需将高效加载器的 Conditioning + 连接到“应用 Control Net”的正向输入，将 Conditioning - 连接到“应用 Control Net”的负向输入。然后将“应用 Control Net”的正向和负向输出连接到第一个 KSampler。

换句话说，正向和负向提示会通过“应用 Control Net”传递，仅此而已。

使用附加功能：图像分级（Image Grade）：

只需将 Latent Blend 的潜变量输出连接到第一个 KSampler 的潜变量图像输入。

但要看到效果，请将第一个 KSampler 的降噪值（Denoise）降低至 0.80、0.85 或 0.90。

使用附加功能：图像控制（Image Control）：

只需将 VAE 编码器的潜变量输出连接到第一个 KSampler 的潜变量图像输入。

但要看到效果，请将第一个 KSampler 的降噪值（Denoise）降低至 0.80、0.85 或 0.90。

如果图像在终极 SD 放大器中被破坏：

如果你喜欢 HiResFix 的结果，但终极 SD 放大器扭曲了它，可以尝试以下操作重新处理：

不要被这些说明搞糊涂了，我添加它们是为了让我和你清楚每个部分的作用。
在 HiResFix 中使用“4x 超锐利”而非“8x NMKD 超级缩放”，因为后者会立即让图像变得过大。但在终极 SD 放大器中，你可以使用“8x NMKD 超级缩放”，没有问题，也不会意外放大超出预期。这种意外放大只发生在 HiResFix 中。
使用三个不同的终极 SD 放大器进行放大，解决了仅用一个终极 SD 放大器（x2）时容易导致图像扭曲的问题。
第一个面部细节修复器用于修复身体，你会看到它修正了放大过程中出现的错误；人物/身体面部细节修复器同时也会修复生成图像的面部。
我选择将“面部”版本的面部细节修复器放在“手部”版本之前，因为有时“手部”版本会造成混乱，这样“面部”版本的完美修复就不会被浪费。

哦天啊，终于结束了？😮‍💨😴

请多多支持，

🎔 𝕊𝕌ℙℙ𝕆ℝ𝕋 𝕄𝔼 🎔