如何通过数十种属性生成逼真人物图像

客户需要根据数十个指定属性（如年龄、性别、面部特征和头发）生成一组逼真的人物图像。主要困难在于控制这么多属性，因为将所有内容放在一个提示词中会导致冲突并丢失特征。该项目由Singularis团队在当前的生成式服务出现之前完成。他们比较了DALL-E、Midjourney和各种Stable Diffusion版本，客户最终选择了基于Stable Diffusion的本地解决方案。该流程使用了多种方法：文本到图像用于生成基础图像，图像到图像用于添加或更改特征，ControlNet和IP Adapter用于基于参考的控制，Compel用于处理长提示词。他们还创建了一个属性兼容性矩阵，以决定哪些特征可以同时设置，哪些应该分阶段添加。将复杂组合分阶段处理有助于在添加眼镜等配饰或更改性别时保持面部相似性。他们还为每个属性准备了关键词建议，以提高可预测性。