在 AI 影像生成中，解析度對輸出品質和構圖的決定起著關鍵作用。調整像素數量和寬高比會對最終結果產生重大影響，尤其是在使用 Stable Diffusion 等模型時。本指南探討最佳化像素數量、理解潛在空間和使用工具簡化流程的最佳實務。
目錄
為什麼解析度在 AI 影像生成中很重要
產生影像的解析度同時影響構圖和品質。原因如下：
- 對構圖的影響：改變解析度會改變潛在空間中隨機雜訊的模式，這會直接影響最終影像的構圖。
- 與訓練資料保持一致：為獲得最佳效果，解析度應與訓練資料的解析度緊密符合。例如，Stable Diffusion 1.5（用於 Realistic Vision 5.1 模型）是在 512×512 影像上訓練的。偏離該解析度太遠會降低品質。
理解潛在空間和 8 的倍數
產生影像時，潛在空間比最終解析度小得多。具體來說，潛在空間在每條邊上是解析度的 1/8，總面積則是 1/64。為確保相容性，解析度值必須是 8 的倍數。大多數工具會自動將不符合要求的解析度調整為最接近的 8 的倍數。
如何最佳化像素數量以獲得最佳效果
1. 符合訓練解析度
- 首先將解析度與訓練資料對齊。對於 Stable Diffusion 1.5，這意味著基礎解析度為 512×512。
- 範例：如果你想要 2:3 的寬高比，可以將一條邊設為 512（例如，高度 = 512），並按比例調整另一條邊（寬度 = 512×0.666≈344512×0.666≈344）。
2. 超出訓練解析度進行擴展
- 以訓練解析度作為較短邊，並按比例擴展畫布。
- 範例：對於 3:2 的寬高比，將寬度設為 512，高度設為 512×1.5=768512×1.5=768。
3. 避免極端情況
- 非常高的解析度（例如 1000×1504）或非常低的解析度（例如 200×304）可能會產生扭曲或不切實際的結果。為獲得最佳效果，請保持在模型的容差範圍內。
自動計算解析度
手動計算最佳解析度可能很繁瑣。像yaResolution Selector (YARS)這樣的工具可以簡化這個過程：
- 在 ComfyUI 中安裝 YARS:
- 前往 ComfyUI 中的自訂節點管理員。
- 搜尋「YaResolution Selector」。
- 安裝該節點並重新啟動 ComfyUI。
- 使用 YARS:
- 新增「yaResolution Selector Advanced」節點。
- 輸入所需的寬高比（例如，2:3 輸入 10:15）。
- 啟用Constant Resolution以自動符合訓練解析度。
- 該工具會將解析度調整為最接近的 8 的倍數，並確保獲得最佳效果。
實際範例
範例 1：符合訓練解析度
- 所需的寬高比: 2:3
- 計算：Width=512,Height=512×1.5=768Width=512,Height=512×1.5=768
- 結果：與訓練資料緊密一致的高品質影像。
範例 2：使用 YARS 實現自動化
- 寬高比：2:3（輸入為 10:15）
- 基礎解析度: 512
- 輸出：自動計算並調整為 416×624（四捨五入為 8 的倍數）。
最佳實務提示
- 貼近訓練資料：始終力求與訓練資料集的解析度相符，以獲得最佳效果。
- 借助工具提高效率：使用 YAR 等工具自動執行重複性計算，以節省時間並減少錯誤。
- 在限制範圍內進行嘗試：在模型的容差範圍內測試不同的解析度，以找到適合你特定使用案例的最佳點。