Stable Diffusion ComfyUI 进阶教程（二）：Controlnet 面部与姿态预处理器

这节课我们继续去学习 Controlnet 预处理器中的面部与姿态预处理器，这也是我们在使用 Controlnet 时最常用的一种控制方式之一，使用姿态能让我们生成的图像与输入的面部与姿态数据保持一致性。

一、DW 姿态预处理器

①介绍：从图像中提取手部、身体、面部姿态信息并生成骨架图；

②检测手部、身体、面部：这不用说了吧，关掉就不会生成此部位骨架图，开启就会生成此部位骨架图；

③BBox 检测：边界框检测器，用于检测图像中的对象并标识其位置（比如用来框选空姐在图中的位置）；

④姿态预估：姿态预估模型，通过此模型提取人/动物的姿态特征，也是我们这个预处理器最重要的算法；

⑤姿态关键点：用来保存姿态关键点成 json 文件和给姿态关键点面部上色的，左键点住向外拖就能看到“保存姿态关键点”和“姿态关键点面部上色”。

⑥对应模型：

1. SD1.5 模型：control_v11p_sd15_openpose、t2iadapter_openpose_sd14v1
2. SDXL 模型：暂无

⑦效果预览：

二、Openpose 姿态预处理器

①介绍：从图像中提取手部、身体、面部姿态信息并生成骨架图，效果不如 DW 姿态预处理器；

②检测手部、身体、面部：同 DW 姿态预处理器；

③对应模型：

1. SD1.5 模型：control_v11p_sd15_openpose、t2iadapter_openpose_sd14v1
2. SDXL 模型：暂无

④效果预览：

三、Dense 姿态预处理器

①介绍：通过不同颜色来区分人体部位，达到控制姿态的效果。实际上 Dense 应该归类为语义分割（我们后面会讲），从控制效果上来说不如我们说过的 DW 姿态 灵活；

②模型：有两个模型 r50 和 r101，我们用 r50 就可以，这个检测的效果最好；

③色彩映射：色彩映射是一种将数据值映射到颜色的过程，通过色彩映射，可以使用不同的颜色来表示数据的不同数值。这些颜色来自于预定义的调色板，我们这里选择的就相当于另一个调色板（色彩映射不改变图像的细节或数据本身，只是改变了用来表示数据的颜色）；

④对应模型：

1. SD1.5 模型：controlnetFor_v10
2. SDXL 模型：暂无

⑤效果预览：

⑥说个题外知识：

如果有同学们了解过字节开源的 Magic Animate 可能会对处理后的图像眼熟。没错，字节的这个项目就用到了 DensePose，我们给一个图片和 DensePose 就能得到一个视频（如下）；

青龙大佬做了这个项目的整合包，也有 ComfyUI 作者写了这个项目的插件，让我们可以在 ComfyUI 上使用，也有个部署在 Hugging Face 上的可以免费使用。感兴趣的可以研究一下，我就不多介绍了（建议使用青龙大佬的整合包，更方便一些）。

1. 青龙大佬的整合包： https://www.bilibili.com/video/BV13b4y1j71m/?
2.  ComfyUI-MagicAnimate 插件： https://github.com/thecooltechguy/ComfyUI-MagicAnimate
3. Hugging Face 体验地址： https://huggingface.co/spaces/zcxu-eric/magicanimate

注意：显存至少 12GB；

四、MediaPipe 面部网格预处理器

①介绍：通过对图像人脸识别实现面部稳定，比如我们要生成一个有特定表情的人物，但是关键词并不能详细的描述出来，我们就可以找一张这个表情的图像进行识别。现在用的比较少，DW 姿态预处理器完全可以代替；

②最大面部数量：指定最大检测的面部个数（最多识别 50 个）；

③最小置信度：指定判定为面部的最小阈值（数值不是越大越好，识别效果，取决于加载图像的质量）；

④对应模型：

1. SD1.5 模型：control_v2p_sd15_mediapipe_face
2. SDXL 模型：暂无

⑤效果预览：

五、AnimaIPose 动物姿态预处理器

①介绍：从图像中提取动物骨骼姿态；

②BBox 检测：边界框检测器，用于检测图像中的对象并标识其位置（比如用来框选萨摩耶在图中的位置）

③姿态预估：姿态预估模型，通过此模型提取人/动物的姿态特征，也是我们这个预处理器最重要的算法；

④对应模型：

1. SD1.5 模型：control_sd15_animal_openpose_fp16
2. SDXL 模型：暂无

⑤效果预览：