人工智能 - 超腾开源博客 - 第9页 | 了解网站最新动态，分享最新技术

sd-webui-lora-block-weight是AUTOMATIC1111 Stable Diffusion WebUI的专业扩展插件，解决了标准LoRA应用方式权重单一的问题。该插件支持对U-Net模型的不同神经网络区块设置独立权重，提供分层权重控制、动态时间步控制、XYZ绘图测试、有效区块分析等核心功能。用户可通过特定语法精确控制LoRA在各层的影响强度，实现角色细节与画面风格的分离，消除不希望的伪影效果。插件兼容标准LoRA、LyCORIS、SDXL和Flux等多种模型架构，是高级用户进行精细化AI绘画创作的必备工具。

sd-dynamic-thresholding是一款专为Stable Diffusion系列WebUI设计的扩展插件，核心解决高CFG Scale参数下图像出现的过饱和、颜色失真和对比度异常问题。通过动态阈值技术，在采样过程中对潜在表征进行智能钳位，保留高文本引导效果的同时抑制视觉瑕疵。支持AUTOMATIC1111、ComfyUI和SwarmUI三大平台，提供可配置参数，允许用户使用10-20+的CFG Scale值而无需担心画质损失，显著提升高细节生成场景的图像质量。

multidiffusion-upscaler-for-automatic1111是Stable Diffusion WebUI的一个扩展，旨在解决有限显存下生成或放大超高分辨率图像的难题。它通过分块技术将大图像分割为小方块处理后再拼接，大幅降低显存需求，支持6GB或更低显存的显卡。核心功能包括Tiled Diffusion（模拟高分辨率生成）、Tiled VAE（减少编码解码显存占用）、Regional Prompt Control（不同区域使用不同提示词）和Tiled Noise Inversion（保持图像结构）。兼容ControlNet、StableSR、SDXL等。应用场景涵盖文生图超大全景、图生图超高倍率放大及多主题构图。该扩展让中低端显卡用户也能生成商业级高清图像。

ADetailer是专为Stable Diffusion WebUI设计的智能扩展插件，通过自动检测图像中的人脸、手部等关键区域，并针对这些区域进行精细化重绘，有效解决AI绘画中常见的细节模糊问题。插件支持多种预训练模型，可与ControlNet集成，提供高度可配置的检测参数和遮罩处理功能。本文全面介绍ADetailer的核心功能、安装方法、工作流程及使用技巧，帮助用户快速掌握这一提升AI绘画质量的关键工具。

生成对抗网络（GAN）是一种由生成器和判别器构成的深度学习模型，通过零和博弈机制相互对抗训练。生成器试图制造逼真假数据，判别器则努力区分真假，两者在对抗中共同提升。训练过程交替优化：先固定生成器训练判别器区分真假，再固定判别器训练生成器以欺骗对方，最终生成器可输出与真实数据几乎无差异的结果。GAN优势在于生成质量高、无需显式建模、灵活性强，但面临训练不稳定、模式崩溃和评估困难等挑战。广泛应用于图像生成、风格迁移、超分辨率、数据增强等领域，代表变体包括DCGAN、WGAN、CycleGAN和StyleGAN。