Stable Diffusion ControlNet 姿态管道

它解决什么问题

在角色复刻、分镜预演和姿势驱动的视觉创作里，最大难点不是“画不出来”，而是“姿态不听话”。纯文生图对骨骼结构、视线方向和空间层级的控制很弱；即使用 ControlNet，也需要在不同模型与 API 之间反复手工拼接，工程成本高且难以复现。

管道如何工作

该技能把 Stable Diffusion 与 ControlNet 的常见环节串成一条可重复的调用链，通过 Automatic1111 API 统一编排。核心流程包括：

• 先用 OpenPose 从参考图抽取骨架，得到可控的姿态条件；
• 配合 depth estimation 提供空间层次，避免人物与背景粘连；
• 最终把条件送入 img2img 端点进行生成或重绘，让构图更稳定。
• 在 Gradio 界面之外绘制草稿（例如 MS Paint），再导入到流程中；基础示例设定为 768×768、无提示词（无 positive、无 negative），用来观察纯姿态/结构约束的效果。

适用边界与注意点

• Gradio UI 自定义空间有限，很多预处理需要在界面外完成。
• 源资料强调示例“无提示词”，但真实项目通常仍需补充提示词与权重调参。
• 姿态与深度提供的是结构引导，不保证人物身份、风格或纹理的一致性。
• 对复杂多人、手部或远景，建议多参考图与多轮 img2img 迭代。
• 上游提及的脚本（如 gradio_canny2image.py、gradio_hough2image.py、gradio_hed2image.py）展示了边缘、线稿、HED 等控制路径，说明该生态可扩展，但本管道重点在姿态与深度。