★ FEATURED ARTICLE 先说一个经常被忽视的判断你觉得图片“糊”大概率不是分辨率不够而是Stable Diffusion生成时注意力机制把图像特征给“摊平”了。CrossAttention负责把提示词文字内容映射到画面区域Self-Attention负责协调画面不同区域之间的特征关系这两个模块一旦权重分配失衡就会出现边缘发毛、纹理消失、整体像蒙了一层纱的观感。我见过不少人放大后继续锐化折腾半天还是糊方向完全错了。真正有效的做法是直接从注意力机制入手去调这篇就讲清楚怎么调、为什么能见效以及几个可以立刻套用的实战套路适合那些已经能跑出图、但一直对清晰度不满意的SD用户。1. 先分清两种“糊”分辨率不足和特征丢失是两码事1.1 放大算法救不了的糊出在生成阶段很多人第一反应是“图糊了就去放大”。把512×512用放大模型拉到2048×2048人眼一看边缘依旧是虚的细节还是没出来只是模糊的面积变大了。这个现象说明问题不在像素数量而在图像的边缘对比度。真正的分辨率不足是“轮廓清楚、像素少”比如一张低清照片放大后虽然会有锯齿但边缘结构还在而特征丢失是“边缘过渡被平均值化”不同物体之间的交界变得柔和、没有张力。后者靠后处理放大是补救不了的因为放大算法只能根据已有像素插值无法“无中生有”地补出缺失的纹理。所以判断模糊的第一件事是看原图放大后边缘是“发硬”还是“发毛”。发硬是分辨率问题发毛则是生成阶段的问题后面的注意力调教才派得上用场。顺便说一句也不要以为提高出图分辨率就能解决所有模糊。SD在基础分辨率下训练如果你直接拉到1024以上而不做任何补偿模型可能反而丢失构图细节也没有明显变好稍后我会展开讲高分辨率修复的原理。1.2 先排除采样步数、CFG和采样器这三项基础变量在谈注意力机制之前强烈建议先把三个基础参数调整到合理区间不然注意力调教做得再精细也可能被基础参数掩盖。采样步数太少是“细节没长出来”的最大原因。扩散模型的去噪过程是逐步细化的早期步骤确定画面整体结构后期步骤负责添加纹理和边缘细节。如果步数低于20画面看着完整但细节还没被“画完”就会给人一种略显平滑的感觉。我通常建议步数设在28到40之间超过40之后的收益不大徒增耗时。CFG Scale提示词引导程度的影响也很直观。CFG过大画面会过度向提示词靠拢色彩饱和、线条僵硬背景容易出现伪影整体观感反而“脏乱糊”CFG过小提示词约束不足构图松散主体不明确也谈不上锐利。常见的合理区间在6到9之间。我个人的基线是7复杂场景会降到6需要强约束时也不超过9。采样器同样不能忽视。部分祖先采样器在相同步数下后期细节的保留能力比常值步进采样器弱一些。如果你用的采样器比较古老先换一个目前更常用的采样器试试再把步数和CFG调好这三项基础变量理顺之前不要急着怪注意力机制。2. 注意力机制和清晰度的关系细节感其实是被“分配”出来的2.1 CrossAttention把提示词映射到画面区域权重失衡就会丢细节讲一个大家都能理解的类比去噪过程中CrossAttention相当于“导演分配演员”。提示词里的每一个词都是一个“任务”系统把这些任务分配到图像的不同区域上。如果某个词的注意力权重过高对应的区域会得到大量资源而其他低频词只能得到少量资源那些区域自然就没有细节。比如你提示词里写了一个“highly detailed face”同时又写了“a cute hat”如果“cute”占了太多注意力那么脸部的细节词被挤压出来的结果就是五官模糊、轮廓不清。我在测试里最常见的现象是用户描述主体时叠加一堆形容词但形容词之间互相抢注意力最终没有哪个词获得足够权重细节被“平均分配”整张图显得平、显得柔、显得糊。所以CrossAttention里并不是词越多越好。每个词条的注意力权重都是有限的你要决定哪个词是主角。这也是为什么写提示词时要避免堆砌同义怪词——它们非但不能叠加细节还会分散注意力资源。2.2 Self-Attention负责全局协调过度平滑是糊感的直接来源Self-Attention做的事情是让图像内部不同区域互相“参考”比如星空图案、衣服纹理、墙面细节都需要Self-Attention来保持全局一致性。这个过程有个副作用特征的方差会被压缩。当某个区域的特征与周围区域差异太大Self-Attention会自动把它往全局平均值拉一拉。拉得过度肉眼看起来就是边缘模糊、纹理被磨平。有一种情况特别典型画面里同时有“细腻金属反光”和“粗糙石材”两种材质如果Self-Attention把两者统一到一个平滑区间金属的光泽感会消失石材的颗粒感也会被抹掉整张图看着像塑料。这种模糊你很难通过放大或者锐化解决因为它发生在生成内部的特征协调阶段。理解了这两个模块之后调教思路就清晰了你要增加主体细节的注意力投入同时保证Self-Attention不要过度平滑掉局部纹理。前者靠提示词加权后者靠负面提示词和采样参数配合。这里先记住一个方向清晰度不只是“加细节”的结果更是“减少错误注意力吸收”的结果。3. 注意力调教的三个实操层级提示词、负面提示词、高分辨率修复3.1 提示词里做注意力重加权让核心细节词不会互相打架主流SD客户端都有一种提示词语法可以对单个词做权重调整。写起来就是英文括号包住一个词组再加冒号和数值比如(detailed skin texture:1.25)。数值大于1就是加重小于1就是减轻数值范围在0.5到1.5之间比较安全超出太多容易出现色彩断层或轮廓畸变。建议把所有你想突出的细节词从原来的默认权重提升到1.1到1.3之间同时把不那么重要的环境词、陪衬词降到0.9左右。这样等于在CrossAttention层面做了一个“优先级排序”主演获得更多聚光灯群演退到背景里。举个例子人物肖像类提示词可以这样写(masterpiece:1.1), (detailed face:1.2), (sharp eyes:1.25), (skin pores:1.15), soft lighting, (neutral background:0.9), (blurry background:0.7)注意最后我写了一个blurry background:0.7之所以降低这个背景词而不是把它写进负面提示词去完全禁止是因为“blurry background”也是有效果的它让背景保持虚化美感。不过它的权重一高会把前景的清晰度也带偏压低权重反而更合适。这里顺带明确一个思路提示词里的每个词都绑定一个预期作用不是所有模糊类词汇都必须删除关键是控制它的影响范围。3.2 负面提示词不是“加个反义词”而是一种注意力抑制机制负面提示词在注意力机制中扮演的是“限制某些概念落位”的角色。当你把blurry、out of focus、low detail这些词写入负面提示词后模型在生成时会主动降低这些特征在注意力图中的激活区域从而减少画面出现糊感的概率。我的负面提示词习惯是保留几个高频项blurry, out of focus, low quality, jpeg artifacts, oversaturation, deformed, extra limbs。需要注意的是负面提示词不是越多越好。每增加一个负面词模型就会多花一部分注意力去“避开”这个特征剩余用来生成真实内容的注意力资源会被压缩。负面词拉得太满画面反而会因为构图形变而显得生硬那不是清晰是“干涩”。比较稳妥的负面词数量是3到8个并且不要在负面词里堆太多互相对立的描述。比如同时写oversaturation和colorful就会让颜色处理变得矛盾最终输出灰扑扑。这其实是注意力方向互相打架导致的。3.3 高分辨率修复阶段的重绘幅度本质是第二次注意力分配很多人在基础分辨率下已经把提示词调得很准了但直接拉大图还是糊这时候就要碰另一个关键参数重绘幅度denoising strength。高分辨率修复的过程可以理解成“重新进行一轮带噪声的去噪生成”。重绘幅度越低越保持原图构图但细节补充少重绘幅度越高细节补充多但构图变化大甚至可能把一张原本清晰的脸改成另一张脸。从注意力机制角度解释高分辨率修复等于启动了一轮新的注意力分配过程让提示词在大尺寸图上重新“落位”一次。所以它的合理值通常在0.3到0.5之间。低于0.25基本只是插值放大细节没有实质提升高于0.6新的注意力分配会把原图结构覆盖掉出现主体变化。我自己的节奏是先用较低CFG比如6.5生成主体然后在高分辨率修复阶段把重绘幅度设到0.35到0.45这样既能保住基础构图又能在注意力层面重新补一轮纹理细节。不要把它当成一个单纯的“放大选项”它比你想象得更接近一次注意力重分配。4. 高频模糊场景的调教实例和参数模板4.1 人像脸部发糊把局部细节词集中放到注意力高位人脸对模糊的敏感度极高因为人的视觉系统天生对脸部结构非常挑剔。局部细节词出现注意力不足时五官边缘会显得“软趴趴”皮肤像磨过皮。我会在提示词里把这类词放到开头附近同时给它们明确加权。开头位置的词通常会分到更稳定的注意力资源这是个容易被忽略的小技巧。模板参考(portrait of a woman:1.1), (highly detailed face:1.25), (sharp facial features:1.2), (skin texture:1.15), (clear eyes:1.25), soft window light, (blurred background:0.6)负面提示词加上blurry face, soft features, plastic skin。参数方面采样步数放到35左右CFG保持7。如果脸部还是不够实把sharp facial features的权重从1.2加到了1.3之后通常会明显改善。但要避免超过1.5否则容易出现俗称的“石雕感”脸部线条太硬像个面具。4.2 复杂背景糊成一团不要只救主体要补背景的细节词典型的失误是主体词已经给到1.4背景里全是forest, street, cityscape这种大而无当的词。结果就是背景区域分配到极少的注意力模型只能“大概”画一片东西细节全部糊在一起。这时候正确的做法不是继续加主体权重而是给背景也配上细节导向的修饰词让背景区域有足够的特征可生成。举个例子写一个街头场景主角需要清晰那背景就该写成street with detailed brick wall texture, shop windows with reflections, cobblestone road details。这样背景区域也会得到对应细节词引导不至于完全敷衍。主体权重和背景细节词并存之后整个画面的锐利感反而更平衡。因为主体与背景都有清晰轮廓交界处的边缘对比度会自然提高。这比单纯堆主体权重更有效也避免了背景完全糊成色块的问题。4.3 整体柔光发雾换光质描述词比加锐化更有效有些图看着像盖了一层纱不完全是某一块细节缺失而是整体光线的对比度不足。这时候如果你去提示词里加sharpen或者写一堆detail效果往往不明显因为问题出在光质描述上。我之前测试过同一个主体用soft light和hard light生成前者的边缘明显柔很多。如果你追求锐利质感可以换成directional light, strong contrast, crisp edge light。这些词会引导注意力机制更关注物体边缘的高反差区域从而在CrossAttention层面强化轮廓信息。这个思路在所有场景里都通用尤其适合产品图、建筑图这类强调线条感的视觉内容。4.4 常用参数速查表场景模糊根源调教方向建议参数区间人像脸部CrossAttention细节词权重不足脸部细节词加权并前置步数30-40CFG 6.5-7.5复杂背景背景细节词缺失给背景补具体细节词背景词权重0.9-1.1整体柔光雾感光质描述太软换成强光、硬光描述词步数35-40CFG 7-8.5远景与文字高分辨率修复阶段重绘幅度不合适降低重绘幅度到0.3-0.4开启放大后调整细节材质发塑料感Self-Attention过度平滑材质用材质具体词分开金属、石材等描述降低CFG至6.0-6.8这张表是快速定位问题的切入点实际使用中还是要基于固定种子反复对比而不是一次调完就满意。5. 调了注意力依然糊三步排查链路与副作用控制5.1 用固定种子做A/B对比一次只变一个变量注意力调教的本质是让提示词和采样参数更合理地分配特征资源。但如果你同时改了好几个词、换了采样器、又调了CFG那出了问题你根本不知道怪谁。实操上我建议固定一个种子先跑出一张基准图然后把要变的变量一个一个改。你可以这样开始保持同一提示词只把某细节词的权重从1.15改到1.25出一张图对比再把负面提示词里增加一个out of focus再出一张图对比。不要一次性全换否则很难归因到具体是哪个注意力调整起了作用。5.2 模型底子的细节上限注意力调不出来等于白调注意力调教是“放大器”不是“无中生有器”。如果底模本身的细节表达能力有限那你再怎么调权重也只是把已有细节重新排列组合。一个很常见的例子用过于老旧或压缩过度的模型跑图你会发现无论提示词里怎么写ultra detailed细节都不可能出现。因为模型训练阶段就没学会那些特征注意力只要没有对应的特征可供分配输出自然还是模糊。这种情况下的解法是换一个更擅长细节表达的底模或者搭配细节向的微调模型。先确认模型细节上限再谈注意力调教顺序不能反。5.3 注意力权重过高引发的伪影和线条过重注意力权重不是越高越好。我见过有人把面部细节词拉到2.0结果边缘出现黑灰色轮廓眼窝深得像凹陷画面看起来非常脏。这种“锐利”是伪影不是清晰。过度加权的本质是CrossAttention把某些特征补偿得太激进导致边缘对比度超过正常范围。遇到这种情况把异常词的权重降回1.2到1.3之间看看轮廓是否恢复自然。同时负面提示词加上artifact, oversharpened, harsh edge可以降低过度锐化带来的干涩感。调教的目标是让边缘“干净有力”而不是“战斗状态”。5.4 一个值得长期使用的提示词分工习惯分享一个我自己用了很久的思路把提示词分成三组来写。第一组是“主体名词”权重在1.0到1.1之间用来锁定画面主体第二组是“关键细节”从1.15到1.3逐个加上数量控制在两三个第三组是“环境与陪衬”权重设在0.85到1.0之间负责补充背景和氛围。负面提示词里只保留真正必要的干扰项比如blurry, low quality, extra limbs数量控制在5个以内。这样做的本质是让CrossAttention能清晰地区分优先级也避免所有词都在抢权重。经过多个固定种子测试我发现这张“分工表”跑出来的图比把细节词全部堆到1.4以上更稳定——细节清晰但不僵背景有内容但不抢戏。最后再多说一句注意力调教提升的是“特征对比度”不是简单的锐化插件能够替代的。它解决的是生成阶段的结构性模糊。如果某天你遇到怎么调都救不回来的图先检查模型细节上限和基础参数别在注意力上死磕太久。我的经验是注意力调教花的时间越久越容易陷入局部最优不如退回基础配置重新开始。
阅读完成 · 觉得有帮助？
