在使用LoRA的時(shí)候，總會(huì)覺得LoRA對于畫面的影響是個(gè)迷。

但作為機(jī)器語言，雖然影響的隨機(jī)性由不可控的0-1之間的假隨機(jī)堆疊而成，卻并不會(huì)影響畫面生成的邏輯。（0；0.001；0.002……0.071………0.102……0.9……1）

StableDiffusion模型的邏輯，就是根據(jù)24個(gè)維度的編碼，達(dá)到24的1000次冪個(gè)隨機(jī)結(jié)果。而因?yàn)榕卸?和1的《標(biāo)準(zhǔn)》不同，也就是模型和LoRA不同，就會(huì)在24的1000次冪上再次擴(kuò)散。所以，stablediffusion這個(gè)名字起的很好。叫做穩(wěn)定擴(kuò)散。

我們確實(shí)無法控制24的1000次冪個(gè)結(jié)果，并從比群星還多的結(jié)果中穩(wěn)定的選取自己最喜歡的那個(gè)。但我們可以像是用望遠(yuǎn)鏡一樣，去觀測對應(yīng)的星域。

StableDiffusion生成畫面，總共分為24個(gè)代碼層。每個(gè)代碼層會(huì)影響一定范圍內(nèi)的結(jié)果。

其中大概有7個(gè)代碼層是起到過渡鏈接作用，并且是在直觀感受上沒有區(qū)別的代碼層。

不能說沒有作用，而是這些作用在直觀的體現(xiàn)上并不明顯。故而總是忽略這些代碼層。

這樣，剩下的代碼層就是17層，再減去必要卻沒有直觀體驗(yàn)的BASE層，就剩下16層。

這16層代碼層，在控制AI圖片的生成上起到了關(guān)鍵的作用，而每一層控制的主次，是非常明顯的，能夠直觀的體現(xiàn)在畫面上的。

總結(jié)了許多UP主，知乎專欄，以及自己的使用體驗(yàn)后。將分層控制的功能簡化為了一個(gè)簡單易懂的表格，在你迷茫不知道應(yīng)該調(diào)節(jié)那個(gè)參數(shù)才能控制某個(gè)細(xì)節(jié)的時(shí)候，希望能夠?qū)Ω魑挥兴?/span>。

尤其感謝灬見或不見灬的精彩講解以及表格范例，在其基礎(chǔ)上進(jìn)行了個(gè)人體驗(yàn)后的更改。

比如對背景細(xì)節(jié)影響，對皮膚紋理的影響層，在視頻中體現(xiàn)并不明顯，此處增加了些許變化。

祝創(chuàng)作愉快！

2023/04/20