一个较免费的获取大量高质量真实人物素材的网站
1.基础工作流
最基本的5个节点：Checkpoint、CLIP、K采样器、VAE解码、空Latent
2.加载ControlNet节点
openppse主要控制人物骨骼和面部表情。
此处同样使用到webUI中使用过的DWpose：SD-细节控制-CSDN博客
在webUI中使用效果
加载openpose类型的ControlNet模型，实现姿势的融合。
3.图像姿态处理-openpose
如果图片分辨率过高，可以取消获取原图大小节点的使用，将已经转换为输入的宽高度，重新转换为组件，自行输入数据 。
下图就是由于lz原有图片分辨率过高，导致生成图片出现异常。
使用DW姿态预处理器节点。从图像中提取人体姿态关键点（骨骼关节点）
BBox（边界框）检测中的模型为均为目标检测模型（Object Detection Models），专门用于在图像中识别并定位物体（如人体、车辆等），生成边界框（Bounding Box，简称BBox）。
文件格式后缀说明
| 文件后缀 | 运行环境 | 优势 |
|---|---|---|
.onnx |
通用 (ONNX Runtime) | 兼容性强，跨平台 |
.torchscript.pt |
PyTorch专属 | 与Torch生态无缝集成 |
_fp16.onnx |
支持FP16的硬件 | 显存减半，速度提升20% |
姿态预估处
建议使用dw-ll_ucoco_384_bs5.torchscript。
在更改图片分辨率，将生成图片的分辨率改为模型训练时的分辨率后，图像即能参考原图姿势实现风格的转绘。如果提示词过多。可能会导致动作参考不够准确，可以通过修改ControlNet中的强度提升生图对姿态的参考。
4.景深-depth
通过获取原始图片画面中各独立要素与照相机之间的距离关系，和openpose的节点布局一致，只需要将ControlNet加载的模型更换为depth类型的模型，同时使用Zoe深度预处理器对参考图片进行处理即可。
由于更换场景类图片并修改提示词后，生成的图片效果会比原来好很多。
图左图为经过Zoe处理过后的黑白图，图中越亮的部分代表该部分离摄像机越近，该方法适合运用在对场景建筑的风格进行转换上。
完整工作流：ControlNet-openpose+depth | ComfyUI Workflow | 吐司 tusiart.com
comfyUI-controlNet-线稿&软边缘-CSDN博客
summary
目前已经使用过controlNet中的
lineart——线稿提取，softedge——软边缘，openpose——人物姿态提取，depth——景深
| 控制类型 | 代表模型 | 最佳应用场景 |
|---|---|---|
| Lineart（线稿提取） | control_v11p_sd15_lineart |
1. 黑白漫画上色 2. 草图转精细插画 3. 分镜稿批量生成 |
| SoftEdge（软边缘） | control_v11p_sd15_softedge |
1. 水彩/油画风格 2. 毛绒材质渲染 3. 朦胧氛围场景 |
| OpenPose（姿态提取） | control_v11p_sd15_openpose |
1. 角色动作迁移 2. 多人互动场景 3. 动态分镜设计 |
| Depth（景深） | control_v11f1p_sd15_depth |
1. 场景层次构建 2. 焦点虚化特效 3. 2.5D伪三维创作 |
各个节点的工作流的搭建方法大致相同。
模型之间的匹配真的很伤脑，lz考虑整理模型关系了。。。