ControlNet各个模型作用

型号名称	控制图像概述	条件图像	控制图像示例	生成的图像示例
control_v11p_sd15_canny	经过精明边缘检测训练	黑色背景上有白色边缘的单色图像。
control_v11e_sd15_ip2p	使用像素到像素指令进行训练	没有条件。
control_v11p_sd15_inpaint	经过图像修复训练	没有条件。
control_v11p_sd15_mlsd	通过多级线段检测进行训练	带有注释线段的图像。
control_v11f1p_sd15_depth	通过深度估计进行训练	具有深度信息的图像，通常表示为灰度图像。
control_v11p_sd15_normalbae	通过表面法线估计进行训练	具有表面法线信息的图像，通常表示为颜色编码图像。
control_v11p_sd15_seg	经过图像分割训练	具有分段区域的图像，通常表示为颜色编码图像。
control_v11p_sd15_lineart	接受过线条艺术生成培训	带有线条艺术的图像，通常是白色背景上的黑色线条。
control_v11p_sd15s2_lineart_anime	受过动漫线条艺术一代的培训	具有动漫风格线条艺术的图像。
control_v11p_sd15_openpose	通过人体姿势估计进行训练	具有人体姿势的图像，通常表示为一组关键点或骨架。
control_v11p_sd15_scribble	通过基于涂鸦的图像生成进行训练	带有涂鸦的图像，通常是随机的或用户绘制的笔画。
control_v11p_sd15_softedge	通过软边缘图像生成进行训练	具有柔和边缘的图像，通常用于创造更具绘画性或艺术性的效果。
control_v11e_sd15_shuffle	通过图像洗牌进行训练	具有打乱的补丁或区域的图像。
control_v11f1e_sd15_tile	通过图像平铺进行训练	模糊的图像或图像的一部分。

‍