大家好呀！我是程序员晓晓
收到一张图片或找到一张图片以后，冥冥之中就听到一个声音 “对！就要这个感觉，具体怎么做你想想“ 不知道这是不是各位设计师们都经常遇到的一个场景？
那么有一个好消息和一个坏消息：“坏消息”是目前的各个主流AIGC已初步具备了这个能力，距离工作被AI取代好像又进了一步。“好消息”是目前的这个能力还比较初级，还可以再安心一段时间
以上只是个玩笑，那么现在我们非正式的测试一下在Stable Diffusion生态中已因为人物“换脸”而大杀四方的 “IP-Adapte” 在室内空间表现如何吧。本次测试均基于ComfyUI，
如需要ComfyUI的整合包请看文末扫描获取哦~
老规矩先上结论，致敬大师+牛刀小试：
Prompt：Interior design,luxurious and modern,Sunlightshines into the room from outside the window,Best quality,masterpiece,high-definition,super details,
Negativeprompt：Worst quality,low quality,poor proportion,blurry,horror,(nude,naked,nsfw),lowres,badanatomy,badhands,text,error,missingfingers,extradigit,fewerdigits,cropped,worstquality,lowquality,normalquality,jpegartifacts,signature,watermark,username,blurry,Ugly,zombie,horror,
CFGscale：1.5
Steps：5
Sampler：dpm++_sde
Size: 1536x688
Seed：78771417550297
Model：juggernautXL_v9Rdphoto2Lightning
Controlnet0：LineArtPreprocessor+t2i-adapter_diffusers_xl_lineart
Controlnet0 Weight：0.2
Controlnet1：Zoe_DepthAnythingPreprocessor+t2i-adapter_diffusers_xl_depth_midas
Controlnet1 Weight：0.8
粗测完这感受怎么说呢？只能说“好消息”好像也没有那么好
整个图面在结构控制层面继承了AIGC一贯的我行我素，但在风格和氛围层面算是很好的完成了转换。配合SDXL Lightning版本模型的加持，实现了6-7秒一张图的快乐（RTX A4500）不废话了测试开始，我们将重点测试IP-Adapte的参数影响及风格适用性。
01、IP-Adapte的参数组合测试
weight权重 | noise噪波增强 | weight_type权重类型
参数测试以前文的设置为基准进行，整个跑下来个人比较喜欢的是original模式下的效果。具体结论如下：
-
weight_type权重类型，对图片的锐度有比较明显的影响，整体来说锐度从高往低是channel penalty＞linear＞original。也就是说希望图片更柔和时优先考虑original，希望更锐利时优先考虑channel penalty。
-
weight权重，权重高低和权重类型有交明显的对应关系。original建议优先考虑0.6，0.8以上容易出现过多细节；linearoriginal建议优先考虑0.6，0.7以上容易出现过多细节；channel penalty建议优先考虑0.4，0.5以上容易出现过多细节
-
noise噪波增强，在低权重时对图片影响非常小，当权重拉高时会增加图片细节，但从测试来看增加的细节可控性不强
original 测试详情 | weight权重0.4-0.6表现较好
linear 测试详情 | weight权重0.4-0.6表现较好
channel penalty 测试详情 | weight权重0.2-0.4表现较好
02、IP-Adapte的风格适用性测试
在original模式下进行多风格与不同权重的测试
这个测试没有啥技巧输出，总结下来就是两个字 “真香” 风格适应性非常强，可以用几乎任何图片来尝试，用来发散思路非常适合。
03、IP-Adapte安装简介
基于ComfyUI版本的IP-Adapte安装
官方GitHub链接：https://github.com/cubiq/ComfyUI_IPAdapter_plus?tab=readme-ov-file
注意：此方法需要科学上网，如无法下载，请看文末获取本地插件安装包
1、直接在ComfyUI界面内安装插件本体。
PS：第4步因为我这里已经安装了，所以右侧没有显示安装按钮。如没安装过直接点安装即可。
2、安装配套模型、Lora、CLIP解码器。
2.1、CLIP解码器，在GitHub官网的位置如下图，当然也可以在ComfyUI管理器中通过安装模型来安装
PS：直接下载的两个文件是重名的，需要自行重命名
下载后需要存入ComfyUI/models/clip_vision/
2.2、模型和Lora在GitHub官网的位置如下图，左边的两列是模型，右边的两列是Lora
下载后模型需要存入ComfyUI/models/ipadapter/
下载后Lora需要存入ComfyUI/models/loras/
结束语
整体测试下来，IP-Adapte在室内风格迁移中的表现算是非常惊艳的。在参数精调后基本可以达到直出图的效果。祝大家玩得愉快！后续我们会基于室内设计从业者得视角进行对此更多的探索！
IP-Adapte的几个配套模型、Lora、CLIP解码器文件都很大，需要的朋友可看下方扫描获取哦
写在最后
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
若有侵权，请联系删除