Midjourney V6在图像质感上实现了显著提升，人物和老虎面部的细节都非常丰富。然而，在手部细节方面，AI绘图工具仍然面临挑战，尤其是在人物比例较小的情况下，手部容易出现问题。尽管Midjourney有局部重绘功能，但V6版本尚无法使用，且效果难以精确控制。因此，Stable Diffusion成为了修复细节的最佳选择，它能够更精准地生成所需效果。
脸部在Stable Diffusion中相对容易修复，但手部修复则更具挑战性。文章将以上图中人物的左手为例，详细介绍如何利用Stable Diffusion修复AI生成图像中的瑕疵。
修复的第一步是准备工作。使用3D建模软件DesignDoll创建所需的手部姿势。DesignDoll的免费版本已足够使用。将3D建模的手部图像拼接到待修复的图像上。无需过于追求完美，保证轮廓和姿势正确即可，后续可以通过Stable Diffusion进行精细修复。从网上找一个白虎的耳朵，拼接到需要修复的图片上。
准备工作完成后，即可利用Stable Diffusion对图像进行重绘，恢复画面的自然感。进入Stable Diffusion的图生图界面，上传待修复的图片，并在局部重绘界面选择一个写实模型，例如majicMIX realistic。首先重绘左手，使用画笔在左手上进行涂抹，并对局部重绘参数进行设置。将“绘制区域”设置为“仅蒙版”，并设置一个较低的重绘幅度。
为了精确控制手部的姿势，可以使用ControlNet的OpenPose功能。同时，为了增加手部细节，可以使用Adetailer插件。接下来，对右手和脸部进行局部重绘。相较于左手，右手和脸部的修复更为简单，无需使用ControlNet。对于脸部修复，可以使用Adetailer插件，并选择以“face”开头的脸部模型。为了改变人物容貌，可以适当提高脸部的重绘强度。
完成三个部分的局部重绘后，可以得到一张初步修复的图像。由于图像尺寸较小，细节方面可能存在不足。因此，可以使用ControlNet的Tile模型进行放大处理。根据需要设置放大倍数，并将重绘幅度设置为一个较低的数值。
最终，经过Stable Diffusion的局部重绘和放大处理，可以得到一张细节更加完善的图像。ControlNet已更新至1.1版本，新增了更多的预处理器和模型，每种模型对应不同的采集方式和应用场景，为图像修复提供了更多可能性。
ControlNet 1.1提供了多种实用模型，包括：
- 线稿上色：利用Canny、SoftEdge、Lineart等模型提取线稿，然后根据提示词和风格模型进行着色和风格化。Canny模型可以保留图像结构，并进行着色和风格化。
- 涂鸦成图：利用Scribble模型提取涂鸦图，然后根据提示词和风格模型进行着色和风格化。Scribble模型比Canny等模型更具自由度，可用于手绘稿的着色和风格处理。Scribble预处理器有三种模式：Scribble_hed、Scribble_pidinet、Scribble_Xdog，其中Scribble_Xdog的处理细节更为丰富。
- 建筑/室内设计：利用MLSD模型提取建筑的线条结构和几何形状，构建建筑线框，再配合提示词和建筑/室内设计风格模型生成图像。MLSD模型可以将毛坯房变为精装房。
- 颜色控制画面：利用Segmentation语义分割模型，标注画面中的不同区块颜色和结构，从而控制画面的构图和内容。
- 背景替换：在img2img图生图模式中，利用Depth_leres模型移除背景，再通过提示词更换想要的背景。在Inpaint模式中，可以对需要保留的图片内容添加蒙版，并将remove background值设置在70-80%。
- 图片指令：利用Pix2Pix模型（ip2p）对图片进行指令式变换。采用指令式提示词（如make Y into X），实现图像的特定效果。
- 风格迁移：利用Shuffle模型提取参考图的风格，再配合提示词将风格迁移到生成图上。
- 色彩继承：利用t2iaColor模型提取参考图的色彩分布情况，再配合提示词和风格模型将色彩应用到生成图上。
ControlNet 1.1还提供了一些高级应用，包括人物和背景分别控制、三维重建、更精准的图片风格化以及更精准的图片局部重绘。
总而言之，Stable Diffusion和ControlNet等工具为AI生成图像的修复和优化提供了强大的支持，使得我们能够更好地控制生成效果，创造出更加精美的图像作品。
