探索一种革命性的AI外绘工作流程，利用Flux模型无缝扩展图像、智能恢复细节并显著提高分辨率。这为希望突破视觉内容生成边界的创作者开辟了新的可能性。
关键点
- 学习使用Flux模型的全面AI外绘工作流程。
- 了解如何无缝扩展图像背景。
- 发现恢复由AI改变的原始图像细节的技术。
- 探索高质量图像放大的方法。
- 解决常见的AI外绘挑战，如扭曲的特征。
理解Flux模型的AI外绘
什么是AI外绘？
AI外绘是一种生成艺术技术，通过人工智能扩展现有图像的边界，创建与原始图像无缝融合的新内容。与简单的裁剪或调整大小不同，外绘填充初始框架之外的区域，基于图像的上下文和风格生成内容。这允许无限的扩展和创造性探索。应用范围广泛，从扩展风景和创建无缝背景到为肖像和艺术品添加缺失元素。
想象一下，你有一张构图精美的照片，但希望背景更宽一些。通过AI外绘，你可以扩展背景，生成与现有图像完美互补的新场景，
同时保持一致的 artistic 风格。
AI外绘的真正力量在于其理解原始图像内容和美学的能力，而不仅仅是随机添加像素。在演示的工作流程中使用的AI模型分析图像的图案、颜色、纹理和整体构图，以确保一致且可信的结果。这在处理复杂主题（如人脸）时尤为重要，即使是微小的差异也可能导致不自然和令人不安的结果。
Flux模型在AI外绘中的作用
Flux模型是一种特定类型的AI模型，用于实现高质量的外绘结果。它们设计用于处理复杂的图像细节，并在扩展的画布上保持一致性。在演示的工作流程中，Flux模型与其他技术结合，创建了一个强大且多功能的图像扩展解决方案。
虽然某些模型的直接外绘可能并不总是产生最佳结果，但策略性地将它们与其他AI工具（如SDXL，Stable Diffusion XL）结合，可以释放它们的全部潜力。这种混合方法，如视频中的工作流程所示，利用每个模型的优势，实现卓越的图像扩展和细节恢复。
通过最初使用SDXL进行外绘填充，工作流程创建了一个与整体场景一致的基础。随后，Flux模型微调细节，确保一致性并解决SDXL阶段引入的潜在伪影。这种细致的方法对于专业质量的结果至关重要，这些结果在视觉上引人注目且在艺术上合理。
AI外绘工作流程的逐步指南
第一步：设置外绘区域
AI外绘过程的初始阶段涉及定义将被扩展的区域。这是通过将原始图像放置在黑色背景上来实现的，为AI创建一个填充的画布。
要实现此布局：
- 上传你打算扩展的图像。
- 使用图像混合节点，如LayerUtility_ImageBlendAdvance V2节点，将原始图像叠加到空白黑色图像上。
- 调整原始图像在黑色背景上的大小和位置，以控制外绘区域的范围。
关键设置：
- 背景图像：决定扩展图像整体大小的黑色图像画布。
- 图层图像：你希望外绘的原始图像。
- 使用滑块控制调整图像的大小和位置，你可以微调布局。
第二步：使用SDXL进行初始外绘
在第二步中，工作流程使用SDXL生成初始外绘填充。此步骤作为最终图像的基础，建立扩展区域的总体上下文和风格。虽然SDXL功能强大，但有时会改变原始图像中的细节（如面部或其他关键特征），这就是后续步骤的用武之地。
要使用SDXL进行初始外绘：
- 将SDXL检查点加载到工作流程中。
- 使用ControlNet，设置为repaint。
- 调整去噪参数，将“denoise”设置为1.00。
- 将VAE代码中的“grow_mask_by”参数设置为64，以防止可见的接缝。
关键考虑因素：
- SDXL模型选择：选择适合图像内容和所需风格的SDXL模型。
- ControlNet：为了获得最佳效果，利用ControlNet，将其设置为“repaint”以引导SDXL生成与现有图像一致的内容。
- 去噪强度：实验去噪强度以平衡细节生成和一致性。
第三步：恢复原始细节
为了抵消由SDXL外绘引起的任何意外变化，第三步着重于恢复原始细节。这对于保持关键特征（如面部、手部和其他重要元素）的完整性至关重要。
恢复原始细节的方法：
- 使用图像混合节点将原始图像叠加到SDXL外绘图像上。
- 调整外绘区域的亮度和颜色，以匹配原始图像的美学。
重要参数：
- 不透明度：微调原始图像图层的不透明度以控制混合强度。
- 颜色调整：使用颜色校正节点匹配外绘区域与原始图像的调色板。
- 遮罩：基于原始图像的轮廓创建遮罩也是关键。
相关文章
