Hello大家好，我是探索Latent Space的程序員小志Jason。

今天來分享一下SDXL的最新技術(shù)Revision。

簡單來說，Revision就是把圖片轉(zhuǎn)變成模型能理解的概念，

比如：

這張圖，我們?nèi)庋勰茏x出來的信息有米老鼠，手套，白色背景，紅色褲子等等，

如果用反推提示詞也可以得到類似的提示詞，

但是revision不一樣的是，它可以把人類或者反推軟件忽略的元素也一并轉(zhuǎn)換成模型可以理解的概念，比如3D渲染等

信息的轉(zhuǎn)譯會導(dǎo)致信息流失，比如之前一直用的反推軟件，往往不能完整概括圖片里面所有的元素，而revision由于是圖片直接轉(zhuǎn)成embedding，跳過了圖->字->embedding中間文字的轉(zhuǎn)譯，所以可以攜帶更多的信息。

簡單介紹過后，先來說一下使用前的準(zhǔn)備工作，

更新comfyui，更新已經(jīng)安裝的custom_nodes，如果還沒有，請安裝comfyui manager，可以幫助你安裝缺失的custom_nodes

下載revision相關(guān)文件：

官方地址：

https://huggingface.co/stabilityai/control-lora/tree/main/revision

我的國內(nèi)備份，里面包含我加的一個負(fù)面圖工作流

夸克網(wǎng)盤：https://pan.quark.cn/s/a3b5fe126cc2

把下載好的clip_vision_g.safetensors

放到 ComfyUI\models\clip_vision 里面

Revision和之前controlnet的reference only很大的不同是，

revision甚至可以讀取到圖片里面的字，把字轉(zhuǎn)化成模型能理解的概念，

如下圖：

輸入了一張寫有cute dog的圖片，經(jīng)過clip vision encode->weight image轉(zhuǎn)化成condition，居然能輸出文字里面的概念，畫出了小狗，效果還是相當(dāng)驚艷的

除了讀取一張圖片以為，還可以讀取多張圖片，然后把condition連接起來，同時生效。

這里我們分別放入一張米老鼠的圖片和之前的小狗文字圖，經(jīng)過概念混合后，我們得到了4張同時具有兩張圖概念的圖片，其中左下角的那張?zhí)貏e明顯，分別具有米老鼠和小狗的特征

經(jīng)過上面兩個例子，應(yīng)該都能明白revision圖片轉(zhuǎn)condition的大概流程，那么我們是不是可以把一些我們不想要的圖，放到負(fù)面里面，達(dá)到類似于textual invertion的效果呢？當(dāng)然可以

下面這張是沒有應(yīng)用負(fù)面revision的圖

這張是應(yīng)用了負(fù)面revision的圖

我們可以看到，我們把不一樣的米老鼠作為負(fù)面revision輸入到neg condiction里面，能有效的把米老鼠這一個特征從原圖里面去掉。

同時也可以誕生出，把不好的圖放到負(fù)面revision里面，來避開不想要的概念，比如跑真人圖的時候放動漫圖，等等各種層出不窮的應(yīng)用。

歡迎各位分享轉(zhuǎn)發(fā)，

這是我的群，我會在群里分享各種我留意到的技術(shù)

如果有什么技術(shù)方面的問題，我也會盡能力回答

歡迎進(jìn)來交流，謝謝各位的觀看，有緣再見。