Stable Diffusion【ControlNet】：ControlNet模型之Openpose，实现人物姿势控制

文章目录 隐藏

大家好，我是极客菌！！！

今天我们开始ControlNet控制模型的学习，ControlNet有15种左右的控制模型，每一种控制模型都有对应的应用场景，今天我们学习的是控制模型是Openpose，它是用于控制人物姿势约束的模型，通过姿势约束模型，我们可以可以根据原图的姿势特征如身体姿势、手部姿势、面部姿势等，生成目标人物对应的特征图片，而无需关注其他细节。也可以在保留人物样貌的情况下，灵活地改变人物的姿势特征。

一. ControlNet模型Openpose介绍

OpenPose是一种用于检测人物骨骼肢体动作的技术，可以检测出人体关键点，比如头部、肩膀、手的位置等。它非常适用于模仿人体姿势，而不需要模仿服装、发型和背景等其他细节。

ControlNet 目前集成了 Openpose 预处理器和模型。

二. Openpose预处理器模型

OpenPose的预处理器模型有以下几类：

OpenPose：眼睛、鼻子、颈部、肩膀、肘部、手腕、膝盖和脚踝。
OpenPose_face：OpenPose + 面部细节
OpenPose_hand：OpenPose + 手和手指
OpenPose_faceonly：仅面部细节
OpenPose_full：以上所有内容
dw_openPose_full：OpenPose_full的增强版本。

下面我们对每种预处理器进行一个更直观的体验介绍。

(1）OpenPose：基本的 OpenPose 预处理器，可检测眼睛、鼻子、眼睛、颈部、肩膀、肘部、手腕、膝盖和脚踝的位置。

(2）OpenPose_face：保留 OpenPose 预处理器执行的所有操作外会检测其他面部细节。

OpenPose_face对复制人物面部表情非常有用。

(3）OpenPose_faceonly：仅检测面部而不检测其他关键点。这对于仅复制面部而不是其他关键点很有用。

下面2张图片人物表情一致，但是姿势不同。

(4) OpenPose_hand：关键点检测为 OpenPose 以及手和手指。

(5) OpenPose_full：全面检测 openPose 面部和 openPose 手部所有的一切。

**（6）**dw_openPose_full: DWPose 是一种新的人体姿势检测算法。它实现与 OpenPose Full 相同的功能，但做得更好，特别是人物手势的识别上。推荐使用 dw_openpose_full 而不是 openpose_full。关于dw_openpose_full的使用在【Stable Diffusion【进阶篇】：手部修复的实现方式(3)】也有详细介绍。

三. Openpose控制模型的使用体验

下面我们通过具体实例来体验一下Openpose控制模型。

模型：majicmixRealistic_v6

正向提示词：1girl,sitting on a cozy couch,crossing legs,soft light

反向提示词：(worst quality:2),(low quality:2),(normal quality:2),lowres,watermark,badhandv4,ng_deepnegative_v1_75t,

采样器：Euler a

采样迭代步数：30

原图片：

（1）OpenPose预处理器

（2）OpenPose_face预处理器

（3）OpenPose_faceonly预处理器

（4）OpenPose_hand预处理器

（5）OpenPose_full预处理器

(6) dw_openpose_full预处理器

好了，关于ControlNet的控制模型Openpose的分享就到这里，关于人物姿势还有一些插件可以实现自由灵活的控制，后面我们再分享。

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。