Stable Diffusion 基础：ControlNet 人体姿势控制详解

使用骨架图姿势

在上一小节我们使用 OpenPose 时，先提取了图片人物的骨架图，然后使用骨架图生成的图片，所以只要有骨架图就能生成图片了。这对于创造太方便了，毕竟没有那么多的图片可以参考。

这里为了演示方便，直接使用上一小节提取的骨架图。我们只需要更改 ControlNet 这里的设置：

1. 上传照片使用骨架图。
2. 预处理器设置为 None，因为我们不需要再从照片中提取人物的骨架图。

其他参数都不变，直接生成就好了。

创造骨架图

骨架图从哪里来？这里介绍一个网站、两个插件，都可以生成或者获取骨架图。

Avatar Pose Maker

这是一个制作骨架图的网站，可以调整人体的姿势、拍照的视角，也可以下载别人制作好的骨架图。

打开的页面如下图所示，我简单说下几个操作区域：

1. 这里选择你要调整的身体部位。
2. 这里设置具体身体部位的参数，可以调整姿势。
3. 这里可以调整人物的视角，是正面、侧面，还是仰视、俯视等等。
4. 这里下载你创造的骨架图照片。
5. 这里可以随机生成很多人体姿势。
6. 这里可以进入查看别人分享的姿势，有标签说明姿势是什么含义，选择下载就好了。

OpenPose Editor

这是 Stable Diffusion WebUI 的一个插件。

安装成功后，我们可以在一级页签中看到'OpenPose Editor'，这个插件的使用比较简单，可以在绘图区域这里直接调整人物的姿势，然后下载图片备用，或者直接发送到文生图、图生图等使用。

这里贴出我这个骨架图的出图效果：

生图参数示例：

Prompt: eastern girl,18 years old, standing, waving left hand, balck hair, long straight hair, blue eyes, white shirt, blue jeans, trees, blue sky, cloud
Negative prompt: EasyNegative, bad hands, bad fingers, malformed
Steps: 30, Sampler: DPM++ 2M Karras, CFG scale: 7, Seed: 1995058330, Face restoration: CodeFormer, Size: 512x512, Model hash: 15012c538f, Model: realisticVisionV51_v51VAE, Denoising strength: 0.7, Clip skip: 2, ControlNet 0: 'preprocessor: none, model: control_v11p_sd15_openpose_fp16 [73c2b67d], weight: 1, starting/ending: (0, 1), resize mode: Crop and Resize, pixel perfect: False, control mode: Balanced, preprocessor params: (-1, -1, -1)', Hires upscale: 2, Hires upscaler: Latent, TI hashes: 'EasyNegative: c74b4e810b03', Version: v1.5.1

3D Openpose

这是又一个 Stable Diffusion WebUI 的插件。

安装成功后，我们可以在一级页签中看到'3D Openpose'，这个插件功能比较强大，我们可以在一个 3D 的环境中调整人物的形态，但是操作上也会比较复杂，大家可以自己体会下。

1. 双击骨架图中的关节部位可以调整这个关节的方向。
2. 鼠标滑动可以调整人物的视角和大小。
3. 特别支持了手脚的深度图、边缘检测图，用于优化手脚的生成，也可以单独只生成手。

调整好后，点击'生成'。

生成后的预览图如下，第一张是骨架图，后边几张是用来画手脚的辅助图。

可以直接发送到文生图和图生图，也可以下载后备用。直接发送感觉不太好用，建议先下载再上传。ControlNet 的设置方式和上文直接使用骨架图生成图片一样，注意不需要选择预处理器。

如果我们希望对手脚进行专门的修复，可以使用画手脚的辅助图。这里选择边缘检测这个 ControlNet，注意还是不要选择预处理器，启动控制步数和结束控制步数大家可以根据实际情况调整，文生图中不要从 0 到 1，会影响图片的结构，图生图中可以使用局部绘图修手修脚。

虽然我们专门对手脚进行了处理，但是出图的效果还是经常出现畸形的手脚，效果是有的，但和期望的差距还比较大。下边是两个例子：

1. 文生图带修手。
2. 先文生图，再图生图局部修手。

高级参数与优化技巧

在使用 ControlNet 进行姿势控制时，除了基本的设置外，参数的微调对最终效果影响巨大。以下是针对 OpenPose 的高级调优建议。

权重与控制强度

ControlNet 的 Weight（权重）决定了控制强度的强弱。默认值通常为 1.0。如果生成的图像过于僵硬，可以尝试降低权重至 0.8 或 0.9，让 AI 有一定的自由发挥空间。反之，如果姿势偏离严重，可适当提高权重，但不建议超过 1.5，否则可能导致画面噪点增加或色彩异常。

Starting/Ending Step（开始/结束步数）用于控制 ControlNet 介入生成的阶段。通常设置为 (0, 1) 即全程参与。如果你发现手部细节在生成后期崩坏，可以尝试将结束步数设为 0.8，让后期采样更多关注纹理而非结构。

手部修复策略

OpenPose 虽然能控制大体姿态，但对手指细节的控制依然较弱。以下是一套常用的手部修复工作流：

1. Inpainting（重绘）：利用 Inpaint 功能，涂抹手部区域，配合正向提示词如 perfect hands, detailed fingers，负向提示词包含 bad hands, extra fingers。
2. ControlNet 辅助：在重绘时使用 Canny 或 Depth 预处理器，结合低权重的 OpenPose 作为背景引导，确保肢体位置不变的同时修正手指。
3. 多轮生成：不要指望一次成功，保持种子固定，微调提示词和重绘幅度，直到获得满意结果。

常见故障排除

• 问题：人物变形严重
  • 原因：参考图分辨率过低或比例失调。
  • 解决：确保参考图清晰，开启'Pixel Perfect'选项，并在文生图中使用相同分辨率。
• 问题：颜色风格丢失
  • 原因：ControlNet 权重过高。
  • 解决：降低 Weight 值，或尝试使用不同的 Control Mode（如 Balanced 或 Prompt）。
• 问题：生成速度慢
  • 原因：开启了高分辨率修复且使用了多个 ControlNet 单元。
  • 解决：关闭不必要的 ControlNet 单元，降低 Hires Upscale 倍数。

结语

ControlNet 的 OpenPose 模块极大地提升了 Stable Diffusion 在人物姿态控制上的可用性。通过掌握姿势复制、骨架图编辑以及高级参数调优，用户可以更精准地实现创意构想。虽然目前对于手指等细微结构的控制仍有局限，但随着算法迭代和工具完善，体验将持续优化。建议在实际操作中多尝试不同参数组合，积累属于自己的最佳实践方案。