生成式人工智能应用基础 课件 项目8 初识文生图与绘图界面功能

人工智能应用基础

项目8初识文生图与绘图界面功能目录CATALOG8.18.2AI绘图操作一般参数介绍图像类AI基础知识8.38.4绘图提示词两种写法认识liblibai文生图基本操作界面8.1.1图像类AI工具介绍虽然综合型AI工具也常常会包含处理图像的功能，但它们的应用范围更广，可以处理文本、音频等多种内容。相比之下，专门用于图像的AI工具，具有更高的精确度和专业性，具备AI绘画的稳定性、背景移除、画质增强等能力，更加专注于图像处理。8.1图像类AI基本知识38.1.1图像类AI工具介绍1．AI绘画工具(1)StableDiffusion

StableDiffusion是一个模型，目前其UI界面有两种支持方式：一是ComfyUI，另一种是WebUI。从操作界面与易用性方面看，ComfyUI采用流程节点的交互逻辑，用户需要通过拖放不同的模块或节点来定义数据处理和生成流程，对于新手来说，可能需要一段时间来适应这种节点式操作和复杂的工作流；WebUI则提供了清晰、易于理解的用户界面，操作直观且易于上手，集成了大量开发好的工具，无需额外寻找，直接可用。8.1图像类AI基本知识48.1.1图像类AI工具介绍1．AI绘画工具(2)Midjourney

Midjourney（MJ）是一款绘画能力强劲、图片细节丰富且操作简便的工具，其优势在于能输出高质量图像，非常适合追求极致画质的用户，但相对较高的价格可能不符合所有用户的预算。Midjourney主要吸引着对图像质量和绘画细节有高要求的用户群体，同时也适合那些希望以简单方式获得专业级画质作品的创作者和设计师。8.1图像类AI基本知识58.1.1图像类AI工具介绍2．AI创作平台(1)哩布哩布（LibLibAI）哩布哩布（LibLibAI）是国内首屈一指的AI模型创作平台，它提供大量免费的AI创作模型，涵盖图像、文字、音频等多种形式。用户不仅可以通过其WebUI界面轻松选择模型并输入提示词生成图片，还能训练个性化的AI绘画大模型和Lora模型，并公开发布以获取收益。每天送积分免费且但该积分不支持LoRA训练。8.1图像类AI基本知识68.1.1图像类AI工具介绍2．AI创作平台(2)吐司AI平台吐司AI平台集AI绘画与模型分享于一体，功能强大。它支持文生图与图生图，提供多种风格模型选择，满足用户个性化创作需求。特色在于丰富的工具集，如正负向提示词、高清修复等，提升绘画效果。平台鼓励用户分享作品与模型。每天送积分免费且该积分支持LoRA训练，支持多设备，无需额外配置。吐司AI以高效便捷的创作体验和不断更新的模型库，成为艺术与设计爱好者的首选平台。8.1图像类AI基本知识78.1.1图像类AI工具介绍2．AI创作平台(3)秒画秒画是商汤科技推出的AI绘画创作平台，依托自研的Artist大模型，支持文字生成图像和图像生成图像两种创意方式，并设有灵感广场和模型广场供用户参考学习，其简单易用的特点让用户能够随时随地创作出高质量的画作。8.1图像类AI基本知识88.1.1图像类AI工具介绍3.在线画图网站eSheep

eSheep是国内知名的AIGC在线画图网站，它集成了Stablediffusion、ComfyUI、Midjourney三大主流工具，提供海量模型支持在线AI画图。用户可以在此上传作品进行交流学习，适合各类绘图爱好者和创作者。此外，eSheep还提供云端绘图模式，包括基础模式、专业模式和工作流模式，以满足不同水平用户的需求。8.1图像类AI基本知识98.1.1图像类AI工具介绍4.背景去除工具PixianAI

PixianAI是一款基于AI的在线抠图工具，专门用于自动且准确地去除图片背景，生成透明背景图片，适用于设计、创作、自媒体等多种场景。它支持单张或批量图片处理，且在不满意自动抠图结果时，用户还可以进行手动调整，展现出极高的灵活性。8.1图像类AI基本知识108.1.1图像类AI工具介绍5.其他常用工具除了上述工具外，还有众多AI绘画和图像处理工具值得一试，如无界AI、触站AI、美图秀秀AI工具-WHEE、VegaAI等。这些工具各具特色，用户可根据自身需求和兴趣进行选择体验。8.1图像类AI基本知识118.1.2一般AI绘图模型总体架构8.1图像类AI基本知识128.1.2一般AI绘图模型总体架构(1)CLIP模型，在这里使用它的文本编码器，把文字转换成向量作为输入，以找到图像特征。(2)扩散模型（DiffusionModel），用来生成图片，因为它的训练过程是在图片压缩降维后的潜在空间进行的，所以扩散模型的输入输出都是潜在空间的图像特征，而不是图像原来的像素。(3)VAE模型，全称VariationalAuto-Encoder（变分自动编码器），是把潜在空间里的图片解码变成真正的图片。8.1图像类AI基本知识138.1.3复杂AI绘图五大类模型在更复杂的生成模型架构中，文本到图像生成还涉及五大类模型，各自负责不同的任务这些模型各自承担着不同的任务，共同协作以完成从文本描述到图像生成的整个过程。1、主模型2、噪声调度器（VAE模型）3、文本向量化（Embedding模型）4、超网络（Hypernetwork模型）5、LORA模型。8.1图像类AI基本知识148.1.3复杂AI绘图五大类模型1、主模型

是整个生成过程的核心，通常是Diffusion模型的变体，用于实现主要的图像生成过程。在AI绘画领域，有许多知名的主模型，如DeepDream、DALL-E、Pix2Pix等。这些模型各有特色，有的擅长将普通照片转换成艺术风格的图像，有的则能将自然语言描述转化为逼真的图像。这是一个典型的训练模型。它通常通过大量的图像数据来训练，学习如何根据输入（可能是噪声、文本或其他条件）生成高质量的图像。8.1图像类AI基本知识158.1.3复杂AI绘图五大类模型2、噪声调度器（VAE模型）

VAE（变分自编码器）模型在这里作为噪声调度器，用于在图像生成过程中引入和控制噪声，是图像生成精细化过程中不可或缺的部分。通过编码和解码过程，VAE能够在潜在空间中有效地表示和操作噪声，从而影响生成的图像的质量和多样性。在StableDiffusion等AI绘画框架中，VAE模型对图像进行编码和解码，先将其映射到低维潜在空间，添加或去除噪声后，再解码回图像空间。这种流程节省计算资源，便于噪声信号的控制。8.1图像类AI基本知识168.1.3复杂AI绘图五大类模型3、文本向量化（Embedding模型）将输入的文本转化为机器可理解的向量表示，类似于CLIP模型的功能。这个向量可以为图像生成过程提供清晰的指引，能够捕捉文本中的语义信息，并用于指导图像的生成。通过将文本转化为向量，模型能够更好地理解用户的意图和需求。8.1图像类AI基本知识178.1.3复杂AI绘图五大类模型4、超网络（Hypernetwork模型）

超网络模型在AI绘画中用于生成其他网络的参数或权重。它可以被视为一种元学习模型，能够根据任务的需求动态地调整和优化其他模型的参数，从而提高图像生成的性能和灵活性。然而，与LORA模型等微调技术相比，Hypernetwork的使用效果可能有所不及，超网络模型已经逐渐式微，大有被LORA模型替代的可能。8.1图像类AI基本知识188.1.3复杂AI绘图五大类模型5、LORA模型。用于精细调整图像生成过程，尤其适用于需要特定风格或个性化的图像生成场景。LORA可以在不改变主模型的情况下进行微调，从而生成与用户输入更贴合的图像。模型是图像生成中的一种轻量级调整方法，它通过对预训练模型进行低秩分解和适配，实现定制化调整而不影响模型大部分参数。与Hypernetwork类似，LORA通过调整主模型的交叉注意力模块来改变其行为，但独特之处在于直接修改权重。作为轻量级微调技术，LORA虽无需从头训练，但仍需学习低秩调整权重以适应新任务。

8.1图像类AI基本知识198.1.4AI绘图模型的应用领域(1)图像生成：

AI绘画在当下已经成为了家喻户晓的辅助工具，不管是设计师、画师等设计行业从业者，还是园艺师，美甲师等等对美术绘画有相关需求的工作，如今只要稍微了解AI绘画的操作知识，就可以很轻松的产出一大批质量精美，富有创意的图片，这极大地节省了在美术设计上花费的时间成本。如图8-2所示。在艺术创作、电影特效和游戏开发等领域具有潜在的应用。

8.1图像类AI基本知识208.1.4AI绘图模型的应用领域(1)图像生成：

8.1图像类AI基本知识21图8-2AI绘图工具创作出的图像8.1.4AI绘图模型的应用领域(2)图像修复和增强：AI绘图模型可以将损坏或模糊的图像恢复成清晰的图像，如图8-3所示。AI图像修复与增强在图像恢复、医学图像处理、摄影后期处理等领域有重要作用。

8.1图像类AI基本知识22图8-3AI绘图工具将模糊的图像变清晰8.1.4AI绘图模型的应用领域(3)图像超分辨率：模型将图像从低分辨率变成高分辨率图像，提高图像的细节和清晰度，如图8-4所示。这在图像重建、视频处理、监控图像增强等领域有应用潜力。

8.1图像类AI基本知识23图8-4AI绘图工具将图像放大后且不失真8.2.1采样器（采样方法）事实上，虽然SD绘制图像的参数有很多，但关键因素主要包括三大板块：模型、关键词和采样器。在AI绘画中，采样器（又称称采样方法）的作用是根据给定的输入（如噪声、文本描述等）和模型参数，逐步生成最终的图像，采样器的性能和选择直接影响图像的生成速度、质量和多样性。不同的采样器因其算法特性和设计目标的不同，会展现出各异的采样效果和采样速度。Eulera、DPM++2MKarras和DDIM是三种常用的采样器，它们各自具有独特的特点和适用场景。以下是对这三种采样器的详细阐述：

8.2AI绘图操作一般参数介绍248.2.1采样器（采样方法）

1.Eulera

采样效果：Eulera是一种自适应采样器，其运算速度非常快，适用于快速成图和tag利用率较高的场景。与Euler相比，Eulera会产生更多变化的图像。然而，随着采样步数的增加，它可能会逐渐脱离提示词的影响。采样速度：Eulera的采样速度非常快，能够在较短的步骤内完成基本画面的生成。适用场景：Eulera非常适合需要快速出图且对质量要求不高，或者希望探索更多随机性和变化性的场景。

8.2AI绘图操作一般参数介绍258.2.1采样器（采样方法）

2.DPM++2MKarras

采样效果：DPM++2MKarras是DPM++系列采样器中的一个变体，它结合了Karras的优化方法，提升了图像的生成效率和质量。随着采样次数的增加，人物及背景的细节都会得到相应的增强，色彩表现也较为出色。采样速度：DPM++2MKarras在采样速度和图像质量之间取得了良好的平衡。虽然它的速度可能不如Eulera那样快，但它在保证质量的同时，也提供了相对较快的采样速度。适用场景：DPM++2MKarras适用于对图像质量有较高要求，同时希望保持一定采样速度的场景。它非常适合用于生成复杂、细节丰富的图像。

8.2AI绘图操作一般参数介绍268.2.1采样器（采样方法）

3.DDIM

采样效果：DDIM是一种使用确定性逆向过程生成图像的采样器。它严格遵循提示词，能够生成高质量且一致性的图像。随着采样步数的增加，DDIM的图像质量会逐渐稳定并达到最佳效果。采样速度：DDIM的采样速度相对较快，能够在较少的步骤内完成基本画面的生成。同时，它也能够保持较高的图像质量。适用场景：DDIM非常适合用于需要高质量、一致性图像生成的场景。它也适用于宽画幅和高steps表现的场景，以及负面环境光线与水汽tag不够时发挥随意、效果好和写实不佳的场景。

8.2AI绘图操作一般参数介绍278.2.2采样迭代步数

1.图像生成质量质量提升：随着采样迭代步数的增加，AI模型有更多的机会来调整和细化生成的图像。这通常意味着图像中的细节会更加丰富，边缘会更加平滑，整体质量会得到提升。稳定收敛：在足够多的迭代步数下，AI模型往往能够更稳定地收敛到高质量的图像解。这减少了图像中的噪声和伪影，提高了图像的逼真度和视觉吸引力。

8.2AI绘图操作一般参数介绍288.2.2采样迭代步数

2.生成速度速度影响：采样迭代步数的增加会直接导致生成速度的降低。每一步迭代都需要模型进行计算和处理，因此更多的迭代步数意味着更多的计算资源和时间消耗。平衡选择：在实际应用中，需要在图像质量和生成速度之间做出平衡选择。如果追求极致的图像质量，可能需要接受较长的生成时间；而如果希望快速获得结果，可能需要牺牲一定的图像质量。

8.2AI绘图操作一般参数介绍298.2.2采样迭代步数

3.图像多样性多样性变化：采样迭代步数对图像多样性也有一定影响。在较少的迭代步数下，模型可能更容易陷入局部最优解，导致生成的图像缺乏多样性。而增加迭代步数可以给予模型更多的探索空间，从而生成更多样化的图像。随机性引入：在采样过程中，随机性的引入也可以增加图像的多样性。然而，随着迭代步数的增加，随机性的影响可能会逐渐减弱，因为模型在迭代过程中会逐渐收敛到某个特定的图像解。

8.2AI绘图操作一般参数介绍308.2.2采样迭代步数

4.平衡图像质量和生成速度选择合适步数：为了平衡图像质量和生成速度，需要选择合适的采样迭代步数。这通常需要根据具体的应用场景、计算资源和时间限制来进行权衡。优化策略：在实际应用中，还可以采用一些优化策略来进一步提高图像质量和生成速度。例如，可以使用更高效的算法或硬件加速技术来减少计算时间；同时，也可以采用多阶段生成策略，先快速生成一个大致的图像轮廓，然后再通过更多的迭代步数来细化和优化图像细节。

8.2AI绘图操作一般参数介绍318.2.3提示词相关性（CFG值）

1、CFG值的作用

CFG值决定了AI绘画的“创造力”和“听话程度”。具体而言，它控制了模型在生成图像时，对提示词的忠实程度。通过调整CFG值，用户可以影响图像与给定文本描述之间的相似度。

8.2AI绘图操作一般参数介绍328.2.3提示词相关性（CFG值）

2、CFG值的调整范围与效果调整范围：CFG值通常可以在0到某个上限（如30）之间进行调整。不同的AI绘画平台和模型可能具有不同的上限值。效果变化包括：当CFG值较低时，模型具有更大的自由度，生成的图像可能更具创意，但也可能与文本描述存在较大的差异，甚至显得模糊。随着CFG值的增加，模型对提示词的忠实度提高，生成的图像与文本描述之间的相似度也会增加。当CFG值过高时，可能会导致生成的图像出现线条粗犷、过度锐化或画面崩坏等问题。

8.2AI绘图操作一般参数介绍338.2.3提示词相关性（CFG值）

3、CFG值的实际应用与建议创意探索：如果希望生成更具创意的图像，可以尝试使用较低的CFG值。精确匹配：如果希望生成的图像与文本描述高度匹配，可以使用较高的CFG值。但需要注意避免过高的CFG值导致图像质量下降。平衡选择：为了平衡创意和匹配度，可以在一个适中的CFG值范围内进行尝试和调整。通常，CFG值在5到15之间是一个比较常规和保险的数值范围。

8.2AI绘图操作一般参数介绍348.2.3提示词相关性（CFG值）

4、注意事项

模型差异：不同的AI绘画模型和平台可能对CFG值的响应不同。因此，在使用新的模型或平台时，建议进行一些测试以了解其对CFG值的敏感性。迭代步数：当CFG值设置较高导致图像出现崩坏等问题时，可以尝试增加采样迭代步数来改善图像质量。但需要注意，增加迭代步数也会相应地延长生成时间。总之，CFG值是一个在AI绘画中用于控制图像与文本之间匹配程度的重要参数。通过合理调整CFG值，用户可以生成符合自己需求和期望的图像效果。

8.2AI绘图操作一般参数介绍358.2.4设置图片尺寸设置图片的大小和比例均会对图片的内容产生影响。在设置图片尺寸时，需要综合考虑视觉效果、内容呈现和使用场景等多个因素。通过合理调整图片的大小和比例，可以使其更好地传达信息、引导观众视线并提升整体的美感。同时，也需要注意保持图片内容的完整性和可读性，避免因尺寸调整而导致的信息丢失或误解。

8.2AI绘图操作一般参数介绍368.3.1CLIP写法

CLIP写法是一种“自然语言提示词”风格，采用连贯句式以增强模型理解的自然性。我们知道，CLIP（ContrastiveLanguage–ImagePre-training）是一种多模态视觉和文字学习的方法，通过对比学习的方式，让模型学会将图像和与之相关的文本进行匹配。在AI绘画中，CLIP写法通常强调简洁、明确且富有描述性的提示词，以便模型能够准确理解并生成符合要求的图像。CLIP写法的特点包括：

1、简洁明了2、具体描述3、情感表达

8.3绘图提示词两种写法378.3.2DeepBooru写法在AI绘画中，经常使用DeepBooru写法。DeepBooru是一种词组式的标签文字，是关键词组提示词，通常强调标签和关键词的组合使用，以便模型能够更准确地捕捉到用户想要生成的图像风格和内容。DeepBooru写法的特点包括：

标签组合：使用多个标签来组合描述图像的特征和风格，如“动漫”、“女性”、“长发”、“古风”等。

详细分类：对于某些特定的图像风格或内容，可以使用更详细的分类标签来描述，以便模型能够更准确地生成。

情感与场景：除了标签外，还可以添加一些描述情感或场景的词汇来丰富提示词的

8.3绘图提示词两种写法388.4.1

选择使用的文生图大模型在我们已经了解了一些文生图的综合类AI工具。但目前，四大顶流AI绘图模型当属Midjourney、Adobe、SD和DALLE等，其四家的产品包括：MidjourneyV6、AdobeFirefly3、StableDiffusion3、Dalle3等。其在细节质量、审美（构图色彩等）、语义理解等维度上都更胜一筹。但国内文生图工具也如雨后春笋一般，也涌现出一批佼佼者。

8.4认识LiblibAI文生图基本操作界面398.4.2

LiblibAI模型选择点击“在线生图”即可进入最基础的WebUI操作界面。

8.4认识LiblibAI文生图基本操作界面40图8-5LiblibAI站内首页8.4.2

LiblibAI模型选择点击进入生图界面后，可以把复杂的页面做一个分类，如图8-6所示。

8.4认识LiblibAI文生图基本操作界面41图8-6生图界面8.4.2

LiblibAI模型选择在信息输入区的第一行，可以看到“CHECKPOINT”大模型和“VAE"模型两个下拉框。CHECKPOINT大模型在AI绘图中的作用是提供已训练好的模型参数和状态，用于图像生成、风格转换等任务，是AI绘图系统的核心组件。CHECKPOINT大模型就像是一个服装店，在这里可以选择不同的样式与风格的模型来“装扮”你的图片，从而让AI生成你想要的效果。点击模型的下拉图标，这里有适合每一位初学者使用的模型。如图8-7所示。

8.4认识LiblibAI文生图基本操作界面428.4.2

LiblibAI模型选择

8.4认识LiblibAI文生图基本操作界面43图8-7选择CHECKPOINT模型8.4.2

LiblibAI模型选择除了默认模型之外，如果要增加其他人训练完成的模型，则返回LiblibAI的首页，有不同风格的超过10w+模型供选择。任选一个自己喜欢的图像，比如选中“梦境绘师(DreamscapeArtist)”（可以搜索找到），点击打开之后，如图8-8所示。

8.4认识LiblibAI文生图基本操作界面44图8-7选择CHECKPOINT模型8.4.2

LiblibAI模型选择点击“加入模型库”，然后点击“立即生图”（或者点击“在线生图”），在生图界面里就可以加载你选择的大模型“梦境绘师(DreamscapeArtist)_v1.4.safetensors”，如图8-9所示。这样，你就可以认真挑选一些自己喜欢的图像模型，扩充自己的模型库。当然，也有很多图片不允许将自己的模型加入模型库。

8.4认识LiblibAI文生图基本操作界面45图8-9新加入模型库的模型8.4.3

参数设置在信息输入区的下一个板块就是参数编辑区，如图8-10所示。他的主要作用就是针对生图过程中的细节部分进行调整，包括生成方式，迭代次数，图片的宽高等等。

8.4认识LiblibAI文生图基本操作界面46图8-10参数编辑区8.4.3

参数设置1.采样方法选择采样方法（或采样方式）就是选择采样器，他决定了AI用什么方式来创作图片，可以把它简单理解为“画画时不同型号的画笔”。但是在经过很多测试后，可能得到的结果就是：不管用哪种采样方法生出来的图看起来都差不多，只有个别采样方法有点区别！当采用方法分别设置为Eulera、DPM2、DPM2a、DPM++2Sa、DPM++2M、DPM++2MKarras、DPM++3MSDEKarras，生图结果如图8-11所示。

8.4认识LiblibAI文生图基本操作界面47图8-11采用不同采用方法的生成图像比较8.4.3

参数设置2.迭代步数在采样方式的下方就是迭代步数，这是指在生图过程中需要进行几次图片绘制的过程，往往步数越高，图片细节越多，然而迭代步数过高，则可能图片细节并不会有太多增加，甚至会出现花费了很多时间，图片质量却没有很大提升的情况。当迭代步数分别设置为5、10、15、20、30、40、70，生图结果如图8-12所示。只有迭代步数小于10，生图差别较大，其他步数都接近。所以一般建议迭代步数设置在20-40步即可。

8.4认识LiblibAI文生图基本操作界面48图8-12迭代步数逐步增加后图像生成结果比较8.4.3

参数设置3.图片宽度和高度及图片数量顺着界面往下就是宽度和高度，在这里可以自由的设置图片的宽高大小，一般选择512-1024，但一般不能超过1024，超过1024耗时将会显著增大。需要大图应通过图像放大功能实现。在宽度和高度的下面就是图片数量，在这里你可以决定同时生成多少张图片。

8.4认识LiblibAI文生图基本操作界面498.4.3

参数设置4.提示词引导系数提示词引导系数即提示词的相关性，表示生成最后图像的结果与最开始给出的提示词的内容的接近程度，默认为7，一般选择6-10，每隔0.5递增即可。提示词引导系数的大小与提示词的相关性呈正相关，数值越大相关性越强。总结一下，在这节课里我们了解了LiblibAI基本操作界面的构成与操作进程，如图8-13所示。介绍了模型的使用方法与场景，然后我们又学习了参数编辑区部分参数的作用，掌握这些，你已经了解了AI绘图的界面组成情况了。

8.4认识LiblibAI文生图基本操作界面508.4.3

参数设置

8.4认识LiblibAI文生图基本操作界面51图8-13LiblibAI基本操作界面构成与操作简图8.4.4

LiblibAI简单生成图像在浏览器中输入LiblibAI网站地址，在首页点击"在线生图"按钮。进入LiblibAI生图主界面。如图8-14所示。1.大模型与提示词相关参数设置如下：

CHECKPOINT（大模型）：majicMIXrealistic麦橘写实_v7.safetensors

VAE（VAE模型）：vae-ft-mse-840000-ema-pruned.safetensors

CLIP跳过层ClipSkip：2（默认值，一般保持不变）提示词：（正向提示词）：一个6岁的小男孩，光头（负向提示词）（默认）：ng_deepnegative_v1_75t,(badhandv4:1.2),EasyNegative,(worstquality:2),

8.4认识LiblibAI文生图基本操作界面528.4.4

LiblibAI简单生成图像

1.大模型与提示词相关参数设置如下：

8.4认识LiblibAI文生图基本操作界面53图8-14模型与提示词相关参数设置8.4.4

LiblibAI简单生成图像

2.其他参数设置如图8-15所示，其他相关参数设置如下：采样方法（Samplemethod）:Eulera

迭代步数（SamplingSteps）：30

宽度（width）：768

高度（Height）：512

图片数量（Numerofimages）:2

提示词相关性引导系数(CFGscale):7（默认值），该数值越小绘图随意性越高，越大图像相似性越强。随机数种子（Seed）：-1（默认值）

8.4认识LiblibAI文生图基本操作界面548.4.4

LiblibAI简单生成图像

2.其他参数设置

8.4认识LiblibAI文生图基本操作界面55图8-15其他参数设置8.4.4

LiblibAI简单生成图像

3.ADetailer插件

ADetailer插件是一款专为StableDiffusionWebUI设计的图像处理工具，其主要功能是修复和增强生成图片中的人脸、身体和手部等部位，使图像更加自然逼真。该插件特点在于智能检测目标部位、高效修复问题、灵活配置参数以及易于集成使用。通过自动识别和修复图片中的问题，ADetailer插件能够显著提升整体画面的质量。当你在生图中出现脸部模糊，身体和手部有问题，一定记得启动该插件。其应用场景广泛，包括艺术家精细控制图像细节、摄影师修复旧照片以及游戏设计师提升角色形象质量等，为用户提供更加生动细腻的图像创作体验。