Stable Diffusion怎么用？Stable Diffusion插件ControlNet的深度约束与法线约束

探索三维世界的关键钥匙：深入解析ControlNet的深度与法线约束

接下来，我们把目光聚焦在ControlNet中两个能极大增强图像空间感和真实感的功能上：深度图约束与法线图约束。掌握它们，你便能更精准地指挥AI，构建出层次分明、细节丰富的画面。

通过这部分内容，你会彻底搞懂深度图和法线图究竟是什么、能做什么，以及如何在实际创作中运用不同的处理器来达到理想效果。

深度图约束：为你的画面注入空间灵魂

先来聊聊深度图。简单来说，它就像一张记录三维空间距离信息的“黑白地形图”。图中的每一个像素值，其实对应着场景中该点距离摄像机的远近。在Stable Diffusion的语境里，颜色越白代表离“镜头”越近，颜色越黑则意味着越远。

深度图的核心作用是什么？

它的核心使命在于明确定义画面元素的前后关系和基本轮廓。你可以把它理解为发给AI的一份“空间布局说明书”，清晰指出哪里是前景，哪里是背景，以及它们之间的相对距离。这样一来，生成的人物和物体就不会再“飘”在平面上，而是拥有了坚实的空间定位。

实战案例：用深度图“摆姿势”

举个例子，我们完全可以通过一张描绘特定动作轮廓的深度图，来引导生成具有相同姿态的人物图像。选择合适的模型并精细调整参数后，得到的结果不仅在动作上与参考图高度匹配，连背景的空间层次也能协调一致。

如何选择深度图预处理器？

值得注意的是，ControlNet提供了多个深度图预处理器，它们的“解读”力度各不相同：

depth_midas：提取力度最轻，能干净利落地分离前景和背景，但不会保留背景的复杂轮廓细节。

depth_zoe：在轻量度和细节之间提供了一种平衡。

depth_leres：开始提供更为丰富的深度信息，适合需要更多空间层次感的场景。

depth_leres++：这是目前细节最丰富的估算器之一，能捕捉到极其精细的深度变化。

简单来说，从MiDaS到LeReS++，深度信息的提取是逐级递进的。部分处理器还支持参数调节，让你能自由控制所需深度信息的范围和敏感度，非常灵活。

法线图约束：模拟逼真表面细节的魔法

如果说深度图构建了骨骼，那么法线图就是在刻画肌肤的纹理。它是一种专门用来保存物体表面凹凸信息的贴图，通过红、绿、蓝三个颜色通道，分别编码了表面对应于水平、垂直和深度三个方向的朝向。

法线图为何重要？

它的神奇之处在于，能在不增加模型几何复杂度的前提下，模拟出复杂的光照反应，让表面看起来拥有真实的起伏、划痕或织物纹理。这相当于给了AI一套“微观地形数据”，让它知道光线应该如何在不同的小凹凸上反射，从而生成极具质感、告别塑料感的图像。

实战案例：赋予图像触感

在对物体表面质感要求高的场景中，法线图的作用是决定性的。比如，生成一件有粗糙纹理的陶器、一件有编织感的毛衣，或是布满划痕的金属表面，用法线图进行约束，就能轻松实现那种“触手可及”的凹凸细节，大幅提升画面的真实度和沉浸感。

总结

概括来说，深度图和法线图是ControlNet中两把不可或缺的利器：一个主攻宏观空间结构，一个专精微观表面细节。理解并熟练运用它们，意味着你能从空间维度和质感维度对AI生成进行双重把控，让创意落地得更加精准和生动。

希望今天的解析能帮你打通这两大关键工具的任督二脉。如果在实践过程中遇到任何问题，或者有独到的使用心得，欢迎随时交流。我们下期再见！