【前言】
在上次我們透過 Canny 簡單的生成線搞，但在 ControlNet 中卻有各式各樣的邊緣探測模型，那這些模型又有哪些不同呢？
【重點整理】
- 不同的線搞模型有不同的適用情境
- 透過結合多個單元能增強各個的優勢
【預計內容】
- Canny Edge Detection
- Lineart
- Soft-Edge
- Scribble
- Mobile Line Segment Detection (M-LSD)
【主要內容】
1. Canny Edge Detection
在之前的文章中，我們就曾提過 Canny 這支常用的方法，主要是仰賴 Thresholding 進行篩選，因此偶爾會有些斷點，但品質也有相對的保證。
2. Lineart
在 ControlNet 中，功能性最多的邊緣偵測大概就屬 Lineart 為主，在精細的情況也與 Canny 有得一拚。那統一使用原本的 lineart 模型就好，經測試後我認為與 lineart_anime 差別不大。
那在所有風格中，我依照主觀的線搞精細度做出了以下排列。那我認為 Realistic 的線條過於僵硬， Standard 適合有陰影的部分，Coarse 相較適合髮絲，而 De-Noise 可能不要去碰。
那統整出大概的屬性，好奇心下當然要進行看看混和測試，這邊推薦下方兩組給各位
+ Lineart_Coarse (ControlNet)
+ Lineart_Realistic (Prompt)
3. Soft-Edge
至於 Soft Edge，各位可以想像成柔邊，他的線搞相對寬而模糊，比較適合做輪廓的特效。那下方我便依照分類進行比對。
4. Scribble
更進一步，Scribble 的線搞更加濃厚而簡單，那除了 xdog 以外的結果相對省略了許多細節，實測下來會稍微影響畫風。那接著我一樣按照稿圖精細度主觀地排列。
5. Mobile Line Segment Detection (M-LSD)
最後的 M-LSD 呢，只會抓取直線的部分，比較適合背景的區塊限制。
【後話】
那在這期中，我們統整出不同邊線探測的不同用途，透過結合各種優勢能夠併發出更多的可能性。那在下次會以區塊辨識與立體感為主軸，我們下次再會啦。
【參考資料】
[1] 範例用圖 — 胡桃 by あんべよしろう
https://www.pixiv.net/artworks/93870151
[2] ControlNet: A Complete Guide
https://stable-diffusion-art.com/controlnet/