模型特点 该 ControlNet 被添加到 15 个层块和 2 个精炼层块中。 该模型从零开始训练，历时 7 万步，训练数据集包含 100 万张高质量图像，涵盖一般内容和以人为中心的内容。训练分辨率为 1328，精度为 BFloat16，批大小为 64，学习率为 2e-5，文本 dropout 率为 0.10。 它支持多种控制条件——包括 Canny、HED、深度、姿态和 MLSD，可以像标准 ControlNet 一样使用。 我们发现，在不同的力量水平下，使用不同的步数会对结果的真实性和清晰度产生一定影响。有关力量和步数测试，请参阅 “量表测试结果” 。 您可以调整 control_context_scale 以获得更强的控制力和更好的细节保留。为了获得更佳的稳定性，我们强烈建议您使用详细的提示。control_context_scale 的最佳范围为 0.65 到 0.90。 步骤说明：随着控制强度（control_context_scale 值）的增加，建议相应增加推理步骤数，以获得更好的结果并保持生成质量。这可能是因为控制模型尚未被充分提炼。 同时支持图像修复模式。