完美世界TA谈Stable Diffusion插件，ControlNet、Segment Anything

【GameLook专稿，未经授权不得转载！】

GameLook报道/在过去一年里，AI绘图的能力几乎是在以月为单位迅速进步、发展，游戏行业自然也抓住了这一机遇，大小游戏公司都在研究如何利用AI技术提高效率，降低游戏研发的成本。

而由StabilityAI发布的Stable Diffusion模型，因其开源、可商用等特点，自然也在游戏研发等商业场景中备受青睐，开源也为Stable Diffusion当下繁荣的社区提供了先决条件。

在近日亚马逊云科技举办的2023游戏开发者大会上，来自完美世界移动项目中台技术美术主管Gary Guo就围绕Stable Diffusion，讲述了该工具在游戏资产管线上的应用，并分享了自己觉得好用的两个Stable Diffusion插件。

由于Gary Guo此次的分享与其今年3月底在微软“GDC 2023中国行—予力游戏赋能开发”大会上的分享，内容上有重合的部分，本文仅包含了其最后插件分享部分的内容，前半部分的内容可以前往GameLook之前发布的文章《完美世界TA分享：AIGC如何助力游戏开发，从业者如何适应新环境？》中查看。

以下是完美世界技术美术总监Gary Guo的演讲实录：

Gary Guo：大家好，我叫郭帆，是完美世界技术动态的TA主管。今天给大家分享一下Stable Diffusion，也就是最近大火的开源的绘画模型，在游戏资产管线中开发的应用。

Stable Diffusion是亚马逊深度支持的一个模型，包括StabilityAI官方，他们其实是在亚马逊的云上去部署了整个渲染的管线。

其实我们在用的过程中，尝试了很多的插件，这也是Stable Diffusion的特点：一是开源，二是它的效果足够好。这种情况必然会推动整个社区的繁荣，所以有非常多的SD插件可以使用。

ControlNet

如果大家有用过SD的话，应该自己经常会用到一些插件，包括我们跟StabilityAI聊的时候，他们也分享了一个有意思的事情，就是ControlNet的那个插件，允许用户做可控性的尝试，其实SD官方他们自己做过，但没多少人用。

SD官方一直在想用大模型来解决一些控制上的问题的时候，来自社区ControlNet插件却已经弯道超车，他们用额外的一些针对不同领域的，比如说描边，法线等预处理模型，然后再加上他们自己对应的处理叠加的模型，在不改大模型的情况下，就做到了很大程度上的可控性，这个其实对于StabilityAI有着很大的启发。

官方其实之前可能是路径依赖，就是想用大模型来解决这些问题，但实际上不需要用那么重的方式去做。从这一点能看出社区对整个Stable Diffusion的贡献。

这边分享我认为是比较好的两个SD插件，整个社区肯定还有非常多好的插件，但篇幅的原因就不展开了。

第一个就是ControNet，它本身是一个超大的方案合集，里面有各种各样的，有姿势，有描边，还有用法线来做参考。

这个模型其实已经出到了1.1版本，应该是最新的，比较重大的更新就是对整个OpenPose做了集成和优化，通过姿势还有面部的识别，最后的结果就是SD在做多人的时候比之前更好。

这是个尝试，左边是原图，然后我用ControlNet去做骨骼的OpenPose的提取，之后再用Pose来做对应的图的生成，你会发现他在多人的情况下有非常大的进步，原来你做多人其实挺麻烦的，默认其实是完全画不出来的，全部糊在一起，根本没法分辨人群，包括手的姿势也肯定是会多种多样的。

虽然现在这个手的姿势还是有问题的，一是跟图的精度有关，二是他确实可能会有些问题，但能看到他其实很少出现像以前那种特别扭曲的情况，这就是因为有了Openpose的限制。

ControlNet本身除了这个以外其实还有很多，比如说Tile、模型以及一些。新的更新，大家可以去官方网站上看一下。

也是用同样的方式做的多人的合成。你会发现他对人体的结构其实还原得非常准确了，当然细节还是有些问题，但对比两个月前的SD，其实已经迈了一大步。

同样也是用的类似的方法。你会发现识别的模型本身其实对图的精度要求也很高。我们尝试在用Contronet和OpenPose做的时候，这种其实是反面案例，这会导致模型对很多姿势识别的都有问题，主要原因是关节的位置非常黑，模型其实分辨不出来关节的位置和朝向。

第二，最好用写实的人的照片。因为他原来训练的素材其实就是大量的人的照片和姿势。如果你想要自己拍一张作为参考，就需要穿一些颜色比较鲜艳，不是太纯色的服装，比如灰色或者是白色的裤子，颜色需要稍微亮一点，像素稍微能够可识别一点。

当然还可以直接买一些姿势的参考包，作为原画和建模，其实应该有很多这种人体姿势的参考。

这种参考图为了让参考人看得更清晰，他其实会特意地去穿紧身的灰色素衣，甚至有些完全就属于半裸体的状态。这种情况下模型对于人的关节的识别是非常准确的，所以建议大家尝试去做一个自己姿势的参考包。

还有个思路，做这种姿势参考的时候，你其实可以用3D软件，Blender里就有快速调整姿势的一些插件，你可以快速地把想要的姿势摆出来。

Segment anything

第二个非常推荐的插件就是Segment anything。 这个其实最近推出不久，是Meta开源的一个模型。这个模型本身其实性能非常地强，大家应该也关注过。

官网：https://segment-anything.com/demo

模型下载地址：
https://dl.fbaipublicfiles.com/segment_anything/sam_vit_h_4b8939.pth
安装路径：stable-diffusion-webui/extensions/PBRemTools/models

那它怎么去用的呢?

他其实要配合的是ControlNet或者inpaint，inpaint是Stable Diffusion内置的一个功能，叫做绘制/重绘。那他怎么配合呢?

以前如果你想重绘这个肩甲、重绘这个手，那你可能得用inpaint把这个地方涂出来，因为inpaint需要一个Mask（遮罩）的，告诉他哪个地方需要重绘，哪个地方不用重绘。

以前你在做这一部分的时候，你要把这张图拆开，其实是非常麻烦的，可能需要把它导到ps里面，然后再用ps去沿着边缘抠图。你在抠图的时候有多难受，你在用inpaint的时候，想精确地控制就有多难受。

Segment anything本身就是解决这样一个问题的，它可以快速地把你想要切割的部分分割出来。

具体的话，我这边有个案例，就比如我们想把这个肩甲给拆出来，Segment anything搭配Inpaint的Mask，我们其实只需要点击一下肩部的两个地方，它就会把这个地方快速地拆出来。

最后你再把拆除的地方配上关键词，比如我们给他换个颜色，可以让他去重画这一部分。

Segment anything本身其实就是一个非常好的插件了，配合ControlNet也是能够做出更多更可控的部分。比如说我想把脸重画一点，甚至Segment anything配合它插件自带的功能，你可以直接输入关键词face，他可以帮你把所有的脸部提取出来，你可以输入裙子，他可以帮你把裙子全部提取出来。

它实用性对于美术来讲，其实就已经非常的好用了，你可以甚至在它的底层技术上做一些简单的开发，让他能够快速地把所有的元素拆解到不同的图层里，也非常容易实现。

这样的话，使用ControlNet做一些大的控制，然后配合Segment anything做一些细节的控制，加起来，你其实是能够对AI的结果有一些比较可控的把握。

今天给大家分享的主要内容就是这些，整个Stable Diffudion在美术资产方面的一些应用、一些定制化的模型资产的产出、气氛参考以及做一些可控性，这些其实都是非常值得探索的内容。

谢谢亚马逊的邀请，有问题的话，我们之后再有机会再沟通。