Read file: modules/processing.py

Read file: modules/sd_samplers.py

Read file: modules/sd_samplers_kdiffusion.py

StableDiffusionProcessingTxt2Img: 文本到图像生成过程详解

StableDiffusionProcessingTxt2Img 是 stable-diffusion-webui 中实现文本到图像生成的核心类。整个生成过程是一个复杂的管道，下面我将分步骤详细解析这个过程。

使用ControlNet的Recolor模型为黑白图片上色

本文的代码： https://github.com/xxddccaa/stable-diffusion-webui-contorlnet-recolor

1. Recolor Control-LoRA简介

用途：专为黑白照片上色设计的轻量化模型
核心特点： • 老照片修复/历史影像彩色化的理想选择 • 基于ControlNet架构，采用LoRA（低秩适应）技术实现模型瘦身： • 原版ControlNet：4.7GB → Control-LoRA：仅738MB/377MB • 训练时覆盖多样化图像概念和比例，具备优秀泛化能力

技术文档：HuggingFace项目页

即使现在有这么高级的质量评估方法：

https://mp.weixin.qq.com/s/77F6JlbLN6cFaU7vR4N0CA

本文写一些以前用的质量评估方法。

apt update
apt-get install libglib2.0-0 -y

要做什么

全量微调Qwen2.5-VL-7B-Instruct的参数，用于图片转公式LaTex。

模型地址：https://huggingface.co/Qwen/Qwen2.5-VL-7B-Instruct

数据集

数据集：https://modelscope.cn/datasets/AI-ModelScope/LaTeX_OCR/summary

数据集下载，约有1.1G大小数据：

bash
modelscope download --dataset AI-ModelScope/LaTeX_OCR --local_dir AI-ModelScope/LaTeX_OCR