在玩了一段时间的AI绘画之后，审美标准那是蹭蹭往上涨啊。这不，开始对细节要求起来了，总是对这对那不满意的。隔壁老板都骂人了…
这两天那是各种找资料，各种翻帖子。足足花了两天时间整理了3个优化图片细节的方案，推荐给路过的朋友们。请大家欣赏：
1.Ultimate SD Upscale 放大图片增加细节算法
2.高清化算法 4x-UltraSharp，可出4k图不失真
3.反向提示词Negative Embeddings微调模型，不再为使用一大串的负面提示词而烦恼了
Ultimate SD Upscale 放大增细算法
Github地址：
https://github.com/Coyote-A/ultimate-upscale-for-automatic1111
它的介绍极其简短，寥寥几句：
重点：不挑显卡！
原理是把图片切块，然后增加放大并细节后再平铺重合。但只在图生图使用（img2img）。
1.安装：
2.重启webUI
3.在图生图的脚本（Script）里能看到 Ultimate SD Upscale，就说明安装成功喽
在图生图（img2img）界面下，下拉网页到最低端，点击【脚本script】：
出现 Ultimate SD Upscale 字样，说明安装成功：
安装成功！
4.使用体验：
正向提示词：
(masterpiece:1.0), (best quality:1.0), (ultra highres:1.0) ,(8k resolution:1.0),(realistic:1.0),(ultra detailed1:0), (sharp focus1:0), (RAW photo:1.0),
1 girl,cute, kind smile, solo, detailed hair, random hair style
反向提示词：
Negative prompt: (easynegative:1.2), (worst quality: 1.2), (low quality: 1.2),
模型和参数：
Steps: 30, Sampler: DPM++ SDE Karras, CFG scale: 7, Seed: 959946334, Size: 1024×1024,
Model: revAnimated_v11-inpainting,
Denoising strength: 0.3, Conditional mask weight: 1.0
官方建议，Denoising strength 参数在0.3-0.5之间，这里使用0.3。
脚本参数只是演示用哈，同学们在实际应用中请自行调节，各有所爱嘛。
512*512原图：
图1
使用图生图原生拉伸放大的2倍的：
图2
使用图生图 Ultimate SD Upscale 脚本放大2倍的效果：
图3
可以看到，脸部和耳朵的细节增多，光影更加明显。当然有的同学可能更喜欢皮肤平滑一点的，那同学们就自行抉择了。哈哈哈！~
高清化算法 4x-UltraSharp
有没有同学被放大后，图像总有种塑胶感所困扰？之前也总是无可奈何，各种寻找解决办法。终是皇天不负有心人！哈哈哈！
4x-UltraSharp，解决了我放大到4k还能保留和优化细节的愿景。
1.安装
下载地址：
下载完成后，放到 webui 的models 的 ESRGAN目录底下：
stable-diffusion-webui\models\ESRGAN
2.重启命令窗口 和 webui
重启后，在【高分辨率修复】下【高清化算法】下拉菜单下，选择【4x-UltraSharp】
就可以使用喽！
来看来一下 4x-UltraSharp 和 R-ESRGAN 4x+ 的对比，使用相同参数
正向提示词：
(masterpiece:1.0), (best quality:1.0), (ultra highres:1.0) ,(8k resolution:1.0),(realistic:1.0),(ultra detailed1:0), (sharp focus1:0), (RAW photo:1.0),1 girl,cute, kind smile, solo, detailed hair, random hair style
反向提示词：
(easynegative:1.2), (worst quality: 1.2), (low quality: 1.2)
参数和模型设置：
Steps: 20, Sampler: DPM++ SDE Karras, CFG scale: 7, Seed: 1556666231,
Face restoration: CodeFormer, Size: 512×512,
Model: revAnimated_v11-inpainting,
Denoising strength: 0.5, Conditional mask weight: 1.0, Hires upscale: 2, Hires steps: 10,
这是使用 R-ESRGAN 4x+：
这是使用 4x-UltraSharp：
如果不太明显，我们放大到4k来看：
R-ESRGAN 4x+：
4x-UltraSharp：
这对比度就很高了吧！
R-ESRGAN 4x+ 在放大到4K分辨率的时候基本就失真了，而4x-UltraSharp依然能很好的保留细节和色彩。
赞一个！
反向提示词Negative Embeddings微调模型
Negative Embeddings，是一组经过训练的Textual Inversion模型。他们分类将常用的反向提示词训练嵌入到一个文件里面，方便使用。
用法这样：
存放目录：
stable-diffusion-webui\embeddings
长这样的：
下载地址：
https://huggingface.co/yesyeahvh/bad-hands-5/tree/main
https://huggingface.co/datasets/Nerfgun3/bad_prompt/tree/main
使用和不使用对比：
不使用的时候大概率长这样：
这样，
这样，
使用之后大概率会，这样：
这样，
和这样，
香！使用之后觉得… 真香~~~
