视频教程：2025最新AI绘画系统教程（十三）：OpenPose手把手教程！精准控制人物姿势！_哔哩哔哩_bilibili

推荐uu前去观看这个系列的教程。

目录

一、人脸修复

1.设置较大的图片尺寸

2.使用高分辨率修复

3.使用专门的面部插件——ADetailer 

详细参数检测

二、动作设置

控制类型——ControlNet

理论补充 

参数说明

预处理模型

控制模型

控制权重

使用说明

---

一、人脸修复

面部扭曲问题常见于在使用基础模型V1.5和XL系列模型生成全身人像时，因为这两种模型适用的出图尺寸较小——512~1024px之间，面部区域内像素量过少，无法生成精致的细节。由于F.1支持一键生成更高清的图片，有更多像素用于生成脸部细节，于是很少出现该状况。

*建议优先使用F.1类模型进行生图。

解决办法

1.设置较大的图片尺寸

将画面分辨率设置为683*1024等较大的尺寸。

2.使用高分辨率修复

开启后能够在生成过程中放大图像，实际上也是通过增加面部区域的像素占比的思路提升出图质量。

3.使用专门的面部插件——ADetailer 

该插件对V1.5类的模型很有效。

ADetailer在生图过程中对自动对面部进行重绘修复。

除了对面部细节的修复，该插件同样可以用于准确控制人物面部表情，只需要在ADetailer中的提示词输入框中输入表情描述即可。

各种ADetailer模型的适用范围

	面部	手部	身体	服饰
Mediapipe //适用于写实图像面部修复	mediapipe_face_full mediapipe_face_short mediapipe_face_mesh //mediapipe开头	-	-	-
Yolov8系列 //2D、3D等、卡通、写实等多种风格	face_yolov8m face_yolov8n face_yolov8n_v2 face_yolov8s //face开头	hand_yolov8n hand_yolov8s	person_yolov8m_seg person_yolov8n_seg person_yolov8s_seg	deepfasion2_yolov8s_seg

在使用ADetailer插件后，可以对角色的表情实现更精准的控制，下图分别使用基本一致的提示词，只是在ADetailer中设置不同的表情提示词得出的结果。uu们也可以基于上述提到的模型针对的风格，对该模型进行使用。

详细参数检测

如果只有图片，没有相关的参数说明，可以利用平台中的"PNG图片信息"功能获得图片相关参数，该方法适用于由WebUI直出的图，如果图片经过二次编辑，该方法就会失效。

二、动作设置

控制类型——ControlNet

理论补充 

需要知道有这些技术，以及在具体使用过程中能够联想到相关技术并对其进行合理运用。

ControNet的具体流程使用为：在预处理阶段通过预处理模型获取参考图片中的姿势，将获取的人物姿势通过控制模型导入Checkpoint大模型，配合提示词以及LoRA模型对生图进行控制，从而得到目标图片。

各种类型的模型支持的控制类型不尽相同， ControlNet只能和相同系列的大模型或者LoRA模型搭配使用。

	基础算法V1.5	基础算法XL	基础算法F.1
控制类型	Cenny（硬边缘）、Depth（深度图）、open pose（姿态）、Lineart（线稿）、soft edge（软边缘）、MISD（直线）、scribble/sketch（涂鸦/草图）seg（语义分割）tile /blur（分块/模糊）、instructor P2P Reference（参考）、normal正太（法线贴图）、recolor（重上色）、IP-adapter（风格迁移）、T2I adapter Sufle（随机洗牌）、reversion in paint（局部重绘）	Cenny（硬边缘）、Depth（深度图）、open pose（姿态）、Lineart（线稿）、soft edge（软边缘）、MISD（直线）、scribble/sketch（涂鸦/草图）seg（语义分割）、tile /blur（分块/模糊）、normal正太（法线贴图）、recolor（重上色）、IP-adapter（风格迁移）、reversion in paint（局部重绘）、InstantID（换脸）	Cenny（硬边缘）、open pose（姿态）、Depth（深度图）、Lineart（线稿）、soft edge（软边缘）、tile /blur（分块/模糊）、reversion in paint（局部重绘）、normal正太（法线贴图）、IP-adapter（风格迁移）、PuLID（换脸）

虽然上述提到的控制类型诸多，但是ControlNet中最常用的还是姿势控制，线条约束以及深度控制。

参数说明

预处理模型

根据需求选择合适的预处理器，如仅提取姿态，或仅提取姿态+手部，或提取全部姿态。

openpose_full姿态+手部+脸部和dw_openpose_full姿态+手部+脸部都能提取脸部、手部 、姿态的全部特征。lz试了一下，dw在细节上确实表现得比openpose变现得更好。

下图为一个例子。具体使用情况uu们可以自行调节查看。

控制模型

不同的模型对应的控制模型，高亮黄色为表现较好的模型。

控制权重

决定了ControlNet对画面控制的权重，数值为0~2，数过低可能导致画面控制效果失效。推荐在0.7~1之间进行尝试，根据实际生成效果进行微调。

起始步数建议设置为0，让ControlNet一开始就接手人物的姿态控制。结束步数可以适当降低，可以在0.6-1之间进行尝试，让底模有一些自由发挥的空间。

使用说明

可以在CtrolNet面板中看到详细的控制生成。

照片/插画都可以作为参考图，但是画面中人物的肢体关系必须明确。肢体不能被严重遮挡。

参考图与生成图画幅比例保持一致。参考图的尺寸最好在512-1280之间。

如果姿势的提取符合目标预期，就可以正常进行生图了。

基于上图提取的姿势生成的图片如下，这个方法的好处在于，省去了我们需要自己撰写姿态提示词的麻烦，更容易实现姿态的复用。

以上end