Stable Diffusion ADetailer 插件详解：修复人脸手部崩坏问题

YOLO 系列模型

基于 YOLO 的模型通常以 .pt 结尾。文件名中的数字代表版本（如 v8），字母代表大小：

• n (nano)：最小，速度最快，精度较低。
• s (small)：小型，平衡速度与精度。
• m (medium)：中型，精度更高，速度稍慢。

例如 face_yolov8n.pt 和 face_yolov8m.pt 的差异在于精度与速度的权衡。对于追求细节的用户，建议选择 m 或更大版本。

MediaPipe 系列模型

MediaPipe 模型分为四个版本：

• full：完整检测，覆盖面部大部分特征点。
• short：精简版，检测范围较小。
• mesh：网格模式，提供立体面部结构，擅长分析表情。
• mesh_eyes_only：仅检测眼睛，适合精细眼部修复。

MediaPipe 对正面人脸识别更精准，但在侧脸或占比过小时可能失效。YOLO 则能处理更多角度和背景干扰。

关键参数配置

1. 提示词覆盖 (Prompt Override)

ADetailer 允许针对检测到的区域单独填写提示词。这可以用于微调特定部位的特征。

例如：

• 正向提示词：glasses（添加眼镜）
• 反向提示词：smile（去除微笑）

这样可以在修复崩坏的同时，调整人物的具体特征。

2. 检测置信度阈值 (Detection model confidence threshold)

默认值通常为 0.9。调低该值（如 0.85）会增加检测数量，但也可能引入误检；调高则会减少检测，只保留最确定的区域。

3. 重绘去噪强度 (Inpaint denoising strength)

控制修复区域的改动幅度。

• 建议值：0.4 - 0.6。
• 过高（如 0.8）会导致画面突变，甚至产生恐怖谷效应。
• 过低则无法有效修复崩坏部分。

4. 重绘遮罩模糊 (Inpaint mask blur)

控制修复区域边缘的融合程度。

• 值为 0 时，边缘生硬，可能出现接缝。
• 值过大（如 50）可能导致检测框消失，无法触发修复。
• 建议值：4 - 10，根据图像分辨率调整。

高级用法与优化

多模型并行处理

ADetailer 支持同时运行多个模型。例如，可以同时开启一个面部模型和一个手部模型，分别修复不同部位。

1. 在设置中勾选"Max models"，设置为 2 或 3。
2. 在对应的标签页（1st, 2nd, 3rd）中选择不同的模型。
3. 应用设置并重启 UI。

保存预览与掩码

为了调试方便，可以在设置中开启以下选项：

• Save mask previews：保存显示检测框的图片。
• Save images before ADetailer：保存未修复的原图。

这些文件会保存在输出文件夹中，便于后续对比分析。

常见问题排查

• 检测不到人脸：检查置信度阈值是否过高，或尝试更换 YOLO 模型。
• 修复痕迹明显：降低 Denoising strength，增加 Mask blur 数值。
• 运行速度慢：优先使用 n 或 s 版本的 YOLO 模型，关闭不必要的模型。

总结

ADetailer 插件极大地提升了 Stable Diffusion 在多人物场景下的可用性。通过合理选择检测模型（YOLO 或 MediaPipe）并精细调节参数，用户可以高效解决人脸和手部崩坏的问题。掌握其核心机制后，不仅能修复错误，还能利用提示词覆盖功能进行创意微调，是进阶 AI 绘图不可或缺的工具。

建议在实际使用中结合具体模型特性进行多次测试，找到最适合当前工作流的参数组合。