การแพร่กระจายที่เสถียร Web User Interface หรือ SD-WebUI เป็นโปรเจ็กต์ที่ครอบคลุมสำหรับโมเดล Stable Diffusion ที่ใช้ไลบรารี Gradio เพื่อจัดเตรียมอินเทอร์เฟซของเบราว์เซอร์ วันนี้เราจะพูดถึง EasyPhoto ซึ่งเป็นปลั๊กอิน WebUI ที่เป็นนวัตกรรมใหม่ที่ทำให้ผู้ใช้ปลายทางสามารถสร้างภาพบุคคลและรูปภาพ AI ได้ ปลั๊กอิน EasyPhoto WebUI สร้างภาพบุคคลแบบ AI โดยใช้เทมเพลตที่หลากหลาย รองรับสไตล์ภาพถ่ายที่แตกต่างกันและการปรับเปลี่ยนหลายรายการ นอกจากนี้ เพื่อเพิ่มขีดความสามารถของ EasyPhoto ผู้ใช้สามารถสร้างภาพโดยใช้โมเดล SDXL เพื่อให้ได้ผลลัพธ์ที่น่าพอใจ แม่นยำ และหลากหลายมากขึ้น เอาล่ะ.

ข้อมูลเบื้องต้นเกี่ยวกับ EasyPhoto และการกระจายที่เสถียร

เฟรมเวิร์ก Stable Diffusion เป็นเฟรมเวิร์กการสร้างตามการแพร่กระจายที่ได้รับความนิยมและมีประสิทธิภาพซึ่งนักพัฒนาใช้เพื่อสร้างภาพที่สมจริงตามคำอธิบายข้อความอินพุต ด้วยความสามารถของเฟรมเวิร์ก Stable Diffusion จึงมีแอพพลิเคชั่นที่หลากหลาย รวมถึงการลงสีภายนอกภาพ การลงสีภาพ และการแปลภาพเป็นภาพ Stable Diffusion Web UI หรือ SD-WebUI โดดเด่นในฐานะหนึ่งในแอปพลิเคชันที่ได้รับความนิยมและเป็นที่รู้จักมากที่สุดของเฟรมเวิร์กนี้ มีอินเทอร์เฟซเบราว์เซอร์ที่สร้างขึ้นบนไลบรารี Gradio ซึ่งเป็นอินเทอร์เฟซแบบโต้ตอบและใช้งานง่ายสำหรับโมเดล Stable Diffusion เพื่อปรับปรุงการควบคุมและการใช้งานในการสร้างภาพเพิ่มเติม SD-WebUI ได้รวมแอปพลิเคชัน Stable Diffusion จำนวนมาก

เนื่องจากความสะดวกที่นำเสนอโดยเฟรมเวิร์ก SD-WebUI ผู้พัฒนาเฟรมเวิร์ก EasyPhoto จึงตัดสินใจสร้างมันเป็นเว็บปลั๊กอินแทนที่จะเป็นแอปพลิเคชันเต็มรูปแบบ ตรงกันข้ามกับวิธีการที่มีอยู่ซึ่งมักจะประสบกับการสูญเสียข้อมูลประจำตัวหรือแนะนำคุณสมบัติที่ไม่สมจริงให้กับภาพ กรอบงาน EasyPhoto ใช้ประโยชน์จากความสามารถภาพต่อภาพของโมเดล Stable Diffusion เพื่อสร้างภาพที่แม่นยำและสมจริง ผู้ใช้สามารถติดตั้งเฟรมเวิร์ก EasyPhoto เป็นส่วนขยายภายใน WebUI ได้อย่างง่ายดาย เพิ่มความเป็นมิตรต่อผู้ใช้และการเข้าถึงสำหรับผู้ใช้ในวงกว้างขึ้น กรอบงาน EasyPhoto ช่วยให้ผู้ใช้สามารถสร้างข้อมูลประจำตัวที่มีการแนะนำ มีคุณภาพสูง และ ภาพบุคคล AI ที่สมจริง ที่มีลักษณะคล้ายกับข้อมูลเฉพาะตัวของอินพุตอย่างใกล้ชิด

ขั้นแรก กรอบงาน EasyPhoto จะขอให้ผู้ใช้สร้างร่างเสมือนดิจิทัลของตนโดยการอัปโหลดรูปภาพจำนวนหนึ่งเพื่อฝึก LoRA ใบหน้าหรือแบบจำลองการปรับตัวระดับต่ำทางออนไลน์ กรอบงาน LoRA จะปรับแต่งโมเดลการแพร่กระจายอย่างรวดเร็วโดยใช้เทคโนโลยีการปรับตัวระดับต่ำ กระบวนการนี้ช่วยให้โมเดลพื้นฐานสามารถเข้าใจข้อมูล ID ของผู้ใช้เฉพาะได้ จากนั้นโมเดลที่ได้รับการฝึกจะถูกรวมและรวมเข้ากับโมเดล Stable Diffusion พื้นฐานสำหรับการรบกวน นอกจากนี้ ในระหว่างกระบวนการรบกวน โมเดลจะใช้โมเดลการแพร่กระจายที่เสถียรเพื่อพยายามทาสีบริเวณใบหน้าใหม่ในเทมเพลตการรบกวน และความคล้ายคลึงกันระหว่างรูปภาพอินพุตและเอาต์พุตได้รับการตรวจสอบโดยใช้หน่วย ControlNet ต่างๆ 

กรอบงาน EasyPhoto ยังใช้กระบวนการกระจายสองขั้นตอนเพื่อจัดการกับปัญหาที่อาจเกิดขึ้น เช่น สิ่งแปลกปลอมในขอบเขตและการสูญเสียข้อมูลระบุตัวตน ดังนั้น จึงมั่นใจได้ว่าภาพที่สร้างขึ้นจะลดความไม่สอดคล้องกันของภาพในขณะที่ยังคงรักษาเอกลักษณ์ของผู้ใช้ไว้ นอกจากนี้ ท่อสัญญาณรบกวนในเฟรมเวิร์ก EasyPhoto ไม่ได้จำกัดเพียงการสร้างภาพบุคคลเท่านั้น แต่ยังสามารถใช้เพื่อสร้างสิ่งใดก็ตามที่เกี่ยวข้องกับ ID ของผู้ใช้อีกด้วย นี่ก็หมายความว่าเมื่อคุณฝึกฝนแล้ว รุ่น LoRA สำหรับ ID เฉพาะ คุณสามารถสร้างรูปภาพ AI ได้หลากหลาย และทำให้มีแอปพลิเคชันที่แพร่หลายรวมถึงการลองใช้งานเสมือน 

สรุป เฟรมเวิร์ก EasyPhoto

1. เสนอแนวทางใหม่ในการฝึกโมเดล LoRA โดยผสมผสานโมเดล LoRA หลายตัวเข้าด้วยกันเพื่อรักษาความเที่ยงตรงของใบหน้าของภาพที่สร้างขึ้น 
2. ใช้วิธีการเรียนรู้แบบเสริมกำลังที่หลากหลายเพื่อปรับโมเดล LoRA ให้เหมาะสมสำหรับรางวัลการระบุใบหน้า ซึ่งจะช่วยเพิ่มความคล้ายคลึงของการระบุตัวตนระหว่างรูปภาพการฝึกและผลลัพธ์ที่สร้างขึ้น 
3. เสนอกระบวนการแพร่กระจายโดยใช้สีแบบสองขั้นตอนซึ่งมีจุดมุ่งหมายเพื่อสร้างภาพถ่าย AI ที่มีความสวยงามและความคล้ายคลึงสูง 

EasyPhoto : สถาปัตยกรรมและการฝึกอบรม

รูปต่อไปนี้สาธิตกระบวนการฝึกอบรมกรอบงาน EasyPhoto AI 

อย่างที่เห็น อันดับแรกเฟรมเวิร์กจะขอให้ผู้ใช้ป้อนรูปภาพการฝึก จากนั้นจึงทำการตรวจจับใบหน้าเพื่อตรวจจับตำแหน่งของใบหน้า เมื่อเฟรมเวิร์กตรวจพบใบหน้า มันจะครอบตัดรูปภาพอินพุตโดยใช้อัตราส่วนเฉพาะที่กำหนดไว้ล่วงหน้าซึ่งเน้นที่บริเวณใบหน้าเท่านั้น จากนั้นเฟรมเวิร์กจะใช้การปรับสภาพผิวและแบบจำลองการตรวจจับความเด่นเพื่อให้ได้ภาพการฝึกใบหน้าที่สะอาดและชัดเจน โมเดลทั้งสองนี้มีบทบาทสำคัญในการปรับปรุงคุณภาพการมองเห็นของใบหน้า และยังช่วยให้แน่ใจว่าข้อมูลพื้นหลังถูกลบออกแล้ว และภาพการฝึกจะมีใบหน้าเป็นส่วนใหญ่ สุดท้ายนี้ เฟรมเวิร์กจะใช้ภาพที่ประมวลผลแล้วและพร้อมท์อินพุตเหล่านี้เพื่อฝึกโมเดล LoRA และด้วยเหตุนี้ จึงทำให้มีความสามารถในการเข้าใจลักษณะใบหน้าเฉพาะของผู้ใช้ได้อย่างมีประสิทธิภาพและแม่นยำยิ่งขึ้น 

นอกจากนี้ ในระหว่างขั้นตอนการฝึกอบรม เฟรมเวิร์กยังรวมถึงขั้นตอนการตรวจสอบที่สำคัญ ซึ่งเฟรมเวิร์กจะคำนวณช่องว่าง ID ใบหน้าระหว่างรูปภาพอินพุตของผู้ใช้ และรูปภาพการยืนยันที่สร้างขึ้นโดยโมเดล LoRA ที่ได้รับการฝึกอบรม ขั้นตอนการตรวจสอบความถูกต้องเป็นกระบวนการพื้นฐานที่มีบทบาทสำคัญในการบรรลุการผสมผสานโมเดล LoRA เข้าด้วยกัน และท้ายที่สุดก็ทำให้มั่นใจได้ว่า เฟรมเวิร์ก LoRA ที่ผ่านการฝึกอบรม แปลงร่างเป็นร่างแฝดหรือการนำเสนอดิจิทัลที่แม่นยำของผู้ใช้ นอกจากนี้ รูปภาพการยืนยันที่มีคะแนน face_id ที่ดีที่สุดจะถูกเลือกเป็นรูปภาพ face_id จากนั้นรูปภาพ face_id นี้จะถูกนำไปใช้เพื่อปรับปรุงความคล้ายคลึงกันของข้อมูลประจำตัวของการสร้างสัญญาณรบกวน 

การดำเนินการตามกระบวนการทั้งมวล กรอบการทำงานจะฝึกโมเดล LoRA โดยมีการประมาณค่าความน่าจะเป็นเป็นวัตถุประสงค์หลัก ในขณะที่การรักษาความคล้ายคลึงกันของใบหน้าเป็นเป้าหมายปลายน้ำ เพื่อแก้ไขปัญหานี้ กรอบงาน EasyPhoto ใช้เทคนิคการเรียนรู้แบบเสริมกำลังเพื่อปรับวัตถุประสงค์ปลายน้ำให้เหมาะสมโดยตรง ด้วยเหตุนี้ ลักษณะใบหน้าที่โมเดล LoRA เรียนรู้การปรับปรุงการแสดงผลที่นำไปสู่ความคล้ายคลึงกันที่ได้รับการปรับปรุงระหว่างผลลัพธ์ที่สร้างเทมเพลต และยังแสดงให้เห็นถึงลักษณะทั่วไปของเทมเพลตต่างๆ ด้วย 

กระบวนการรบกวน

รูปต่อไปนี้สาธิตกระบวนการรบกวน ID ผู้ใช้แต่ละรายในกรอบงาน EasyPhoto และแบ่งออกเป็นสามส่วน

• การประมวลผลใบหน้าล่วงหน้า เพื่อรับการอ้างอิง ControlNet และอิมเมจอินพุตที่ประมวลผลล่วงหน้า 

• การแพร่กระจายครั้งแรก ที่ช่วยในการสร้างผลลัพธ์คร่าวๆ ที่คล้ายกับอินพุตของผู้ใช้ 

• การแพร่กระจายครั้งที่สอง ที่แก้ไขสิ่งที่ผิดขอบเขต ทำให้ภาพมีความแม่นยำและดูสมจริงยิ่งขึ้น 

สำหรับอินพุต เฟรมเวิร์กจะใช้รูปภาพ face_id (สร้างขึ้นระหว่างการตรวจสอบการฝึกอบรมโดยใช้คะแนน face_id ที่เหมาะสมที่สุด) และเทมเพลตการรบกวน ผลลัพธ์ที่ได้จะเป็นภาพเหมือนของผู้ใช้ที่มีรายละเอียดสูง แม่นยำ และสมจริง และมีความคล้ายคลึงกับตัวตนและรูปลักษณ์ที่เป็นเอกลักษณ์ของผู้ใช้อย่างใกล้ชิดโดยอิงตามเทมเพลตการอนุมาน เรามาดูรายละเอียดเกี่ยวกับกระบวนการเหล่านี้กันดีกว่า

ใบหน้าพรีโพรเซส

วิธีสร้างภาพบุคคล AI ตามเทมเพลตการรบกวนโดยไม่ต้องมีเหตุผลคือการใช้โมเดล SD เพื่อลงสีบริเวณใบหน้าในเทมเพลตการรบกวน นอกจากนี้ การเพิ่มเฟรมเวิร์ก ControlNet ให้กับกระบวนการไม่เพียงแต่ช่วยปรับปรุงการรักษาเอกลักษณ์ของผู้ใช้ แต่ยังเพิ่มความคล้ายคลึงกันระหว่างรูปภาพที่สร้างขึ้นอีกด้วย อย่างไรก็ตาม การใช้ ControlNet โดยตรงสำหรับการวาดภาพในระดับภูมิภาคอาจทำให้เกิดปัญหาที่อาจเกิดขึ้นได้

• ความไม่สอดคล้องกันระหว่างอินพุตและรูปภาพที่สร้างขึ้น: เห็นได้ชัดว่าจุดสำคัญในภาพเทมเพลตไม่เข้ากันกับจุดสำคัญในภาพ face_id ซึ่งเป็นสาเหตุที่การใช้ ControlNet กับภาพ face_id เป็นข้อมูลอ้างอิงอาจทำให้เกิดความไม่สอดคล้องกันในเอาต์พุตได้ 

• ข้อบกพร่องในภูมิภาค Inpaint : การมาสก์ขอบเขตแล้วลงสีด้วยใบหน้าใหม่อาจทำให้เกิดข้อบกพร่องที่เห็นได้ชัดเจน โดยเฉพาะอย่างยิ่งตามแนวขอบเขตในสีซึ่งไม่เพียงแต่ส่งผลกระทบต่อความถูกต้องของภาพที่สร้างขึ้นเท่านั้น แต่ยังส่งผลเสียต่อความสมจริงของภาพด้วย 
• การสูญเสียข้อมูลประจำตัวโดย Control Net : เนื่องจากกระบวนการฝึกอบรมไม่ได้ใช้เฟรมเวิร์ก ControlNet การใช้ ControlNet ในระหว่างขั้นตอนการรบกวนอาจส่งผลต่อความสามารถของโมเดล LoRA ที่ได้รับการฝึกอบรมเพื่อรักษาข้อมูลประจำตัว ID ผู้ใช้อินพุต 

เพื่อจัดการกับปัญหาที่กล่าวมาข้างต้น กรอบงาน EasyPhoto เสนอขั้นตอนสามขั้นตอน 

• จัดแนวและวาง : ด้วยการใช้อัลกอริธึมการวางใบหน้า กรอบงาน EasyPhoto มีจุดมุ่งหมายเพื่อแก้ไขปัญหาความไม่ตรงกันระหว่างจุดสังเกตบนใบหน้าระหว่างรหัสใบหน้าและเทมเพลต ขั้นแรก แบบจำลองจะคำนวณจุดสังเกตบนใบหน้าของ face_id และรูปภาพเทมเพลต จากนั้นแบบจำลองจะกำหนดเมทริกซ์การแปลงความสัมพันธ์ที่จะใช้เพื่อจัดตำแหน่งจุดสังเกตบนใบหน้าของรูปภาพเทมเพลตด้วยรูปภาพ face_id รูปภาพที่ได้จะคงจุดสังเกตเดิมของรูปภาพ face_id และยังสอดคล้องกับรูปภาพเทมเพลตอีกด้วย 

• ฟิวส์หน้า : Face Fuse เป็นแนวทางใหม่ที่ใช้ในการแก้ไขสิ่งแปลกปลอมขอบเขตที่เป็นผลมาจากการลงสีมาสก์ และเกี่ยวข้องกับการแก้ไขสิ่งแปลกปลอมโดยใช้เฟรมเวิร์ก ControlNet วิธีการนี้ช่วยให้กรอบงาน EasyPhoto รับประกันการรักษาขอบที่กลมกลืนกัน และท้ายที่สุดจึงเป็นแนวทางในกระบวนการสร้างภาพ อัลกอริธึมการรวมใบหน้าจะหลอมรวมรูปภาพ roop (รูปภาพผู้ใช้จริงภาคพื้นดิน) และเทมเพลตเพิ่มเติม ซึ่งช่วยให้ภาพที่หลอมรวมที่ได้นั้นแสดงการรักษาขอบเขตขอบที่ดีขึ้น ซึ่งจะนำไปสู่เอาต์พุตที่ได้รับการปรับปรุงในระหว่างระยะการแพร่กระจายครั้งแรก 
• การตรวจสอบความถูกต้องตามคำแนะนำของ ControlNet: เนื่องจากโมเดล LoRA ไม่ได้รับการฝึกฝนโดยใช้เฟรมเวิร์ก ControlNet การใช้งานในระหว่างกระบวนการอนุมานอาจส่งผลต่อความสามารถของโมเดล LoRA ในการรักษาข้อมูลระบุตัวตน เพื่อที่จะเพิ่มขีดความสามารถทั่วไปของ EasyPhoto เฟรมเวิร์กจะพิจารณาอิทธิพลของเฟรมเวิร์ก ControlNet และรวมโมเดล LoRA จากขั้นตอนต่างๆ 

การแพร่กระจายครั้งแรก

ระยะการแพร่กระจายขั้นแรกใช้รูปภาพเทมเพลตเพื่อสร้างรูปภาพที่มีรหัสเฉพาะซึ่งคล้ายกับรหัสผู้ใช้ที่ป้อนเข้า รูปภาพอินพุตเป็นการผสมผสานระหว่างรูปภาพที่ผู้ใช้ป้อนเข้ากับรูปภาพเทมเพลต ในขณะที่มาสก์ที่ปรับเทียบแล้วคือมาสก์อินพุต เพื่อเพิ่มการควบคุมการสร้างภาพเพิ่มเติม กรอบงาน EasyPhoto ได้รวมหน่วย ControlNet สามหน่วย โดยที่หน่วย ControlNet แรกมุ่งเน้นไปที่การควบคุมภาพที่หลอมรวมกัน หน่วย ControlNet ที่สองจะควบคุมสีของภาพที่หลอมรวม และหน่วย ControlNet สุดท้ายจะเป็นแบบเปิด (การควบคุมท่าทางของมนุษย์หลายคนแบบเรียลไทม์) ของรูปภาพที่ถูกแทนที่ซึ่งไม่เพียงแต่มีโครงสร้างใบหน้าของรูปภาพเทมเพลตเท่านั้น แต่ยังรวมถึงอัตลักษณ์ใบหน้าของผู้ใช้ด้วย

การแพร่กระจายครั้งที่สอง

ในขั้นตอนการแพร่กระจายที่สอง อาร์ติแฟกต์ที่อยู่ใกล้ขอบเขตของใบหน้าจะได้รับการปรับปรุงและปรับแต่งอย่างละเอียด พร้อมทั้งให้ความยืดหยุ่นแก่ผู้ใช้ในการมาสก์พื้นที่เฉพาะในภาพเพื่อพยายามเพิ่มประสิทธิภาพของการสร้างภายในพื้นที่เฉพาะนั้น ในขั้นตอนนี้ เฟรมเวิร์กจะหลอมรวมอิมเมจเอาท์พุตที่ได้รับจากระยะการแพร่กระจายแรกเข้ากับอิมเมจ roop หรือผลลัพธ์ของอิมเมจของผู้ใช้ ดังนั้น จึงสร้างอิมเมจอินพุตสำหรับระยะการแพร่กระจายที่สอง โดยรวมแล้ว ระยะการแพร่กระจายที่สองมีบทบาทสำคัญในการปรับปรุงคุณภาพโดยรวม และรายละเอียดของภาพที่สร้างขึ้น 

ID ผู้ใช้หลายราย

จุดเด่นประการหนึ่งของ EasyPhoto คือการรองรับการสร้าง ID ผู้ใช้หลายรายการ และภาพด้านล่างแสดงให้เห็นถึงขั้นตอนของกระบวนการรบกวน ID ผู้ใช้หลายรายในกรอบงาน EasyPhoto 

เพื่อให้รองรับการสร้าง ID ผู้ใช้หลายราย เฟรมเวิร์ก EasyPhoto จะทำการตรวจจับใบหน้าบนเทมเพลตการรบกวนก่อน จากนั้นเทมเพลตการรบกวนเหล่านี้จะถูกแบ่งออกเป็นมาสก์จำนวนมาก โดยแต่ละมาสก์จะมีใบหน้าเดียว และส่วนที่เหลือของรูปภาพจะถูกมาสก์เป็นสีขาว ดังนั้นการสร้าง ID ผู้ใช้หลายรายให้กลายเป็นงานง่ายๆ ในการสร้าง ID ผู้ใช้แต่ละราย เมื่อเฟรมเวิร์กสร้างอิมเมจ ID ผู้ใช้ รูปภาพเหล่านี้จะถูกรวมเข้ากับเทมเพลตการอนุมาน ซึ่งช่วยอำนวยความสะดวกในการผสานรวมรูปภาพเทมเพลตกับรูปภาพที่สร้างขึ้นอย่างราบรื่น ซึ่งท้ายที่สุดแล้วจะได้รูปภาพคุณภาพสูง 

การทดลองและผลลัพธ์

ตอนนี้เรามีความเข้าใจเกี่ยวกับกรอบงาน EasyPhoto แล้ว ก็ถึงเวลาที่เราจะสำรวจประสิทธิภาพของกรอบงาน EasyPhoto 

ภาพด้านบนสร้างโดยปลั๊กอิน EasyPhoto และใช้โมเดล SD ตามสไตล์สำหรับการสร้างภาพ ดังที่สังเกตได้ ภาพที่สร้างขึ้นดูสมจริงและค่อนข้างแม่นยำ 

ภาพที่เพิ่มด้านบนสร้างขึ้นโดยเฟรมเวิร์ก EasyPhoto โดยใช้โมเดล SD ที่ใช้สไตล์การ์ตูน ดังที่เห็นได้ว่าภาพถ่ายการ์ตูนและภาพถ่ายที่เหมือนจริงนั้นดูค่อนข้างสมจริง และใกล้เคียงกับภาพที่ป้อนเข้ามาโดยพิจารณาจากข้อความแจ้งหรือความต้องการของผู้ใช้ 

รูปภาพที่เพิ่มด้านล่างสร้างขึ้นโดยเฟรมเวิร์ก EasyPhoto โดยใช้เทมเพลตแบบหลายคน ตามที่เห็นได้ชัดเจน ภาพที่สร้างขึ้นมีความชัดเจน แม่นยำ และคล้ายกับภาพต้นฉบับ 

ด้วยความช่วยเหลือของ EasyPhoto ผู้ใช้สามารถสร้างภาพบุคคล AI ที่หลากหลาย หรือสร้าง ID ผู้ใช้หลายรายการโดยใช้เทมเพลตที่สงวนไว้ หรือใช้โมเดล SD เพื่อสร้างเทมเพลตการอนุมาน รูปภาพที่เพิ่มด้านบนแสดงให้เห็นถึงความสามารถของกรอบงาน EasyPhoto ในการผลิตรูปภาพ AI ที่หลากหลายและมีคุณภาพสูง

สรุป

ในบทความนี้ เราได้พูดคุยเกี่ยวกับ EasyPhoto, a ปลั๊กอิน WebUI ใหม่ ที่อนุญาตให้ผู้ใช้สร้างภาพบุคคลและรูปภาพ AI ปลั๊กอิน EasyPhoto WebUI สร้างภาพบุคคลแบบ AI โดยใช้เทมเพลตที่กำหนดเอง และผลกระทบในปัจจุบันของ EasyPhoto WebUI รองรับสไตล์ภาพถ่ายที่แตกต่างกัน และการปรับเปลี่ยนหลายรายการ นอกจากนี้ เพื่อเพิ่มขีดความสามารถของ EasyPhoto ผู้ใช้ยังมีความยืดหยุ่นในการสร้างภาพโดยใช้โมเดล SDXL เพื่อสร้างภาพที่น่าพอใจ แม่นยำ และหลากหลายมากขึ้น เฟรมเวิร์ก EasyPhoto ใช้โมเดลฐานการแพร่กระจายที่เสถียร ควบคู่ไปกับโมเดล LoRA ที่ผ่านการฝึกอบรมมาแล้ว ซึ่งสร้างเอาต์พุตภาพคุณภาพสูง

สนใจเครื่องกำเนิดภาพหรือไม่? นอกจากนี้เรายังมีรายการของ เครื่องกำเนิด AI Headshot ที่ดีที่สุด และ เครื่องสร้างภาพ AI ที่ดีที่สุด ที่ใช้งานง่ายและไม่ต้องใช้ความเชี่ยวชาญด้านเทคนิค