我计划使用40个工作流分成3-4篇文章来介绍Stable Diffusion的controlNet各种预处理器以及它的使用效果。
并且做成像字典一样的记录，后面需要使用时，也可以随时查阅，当然这些工作流我也会分享，需要的朋友可以私信我获取。
这是我们的第三篇，本篇主要介绍stable diffusion controlNet pose相关的姿势处理器。
第一篇： 【comfyui】40个工作流一次让你彻底掌握SD controlNet的使用场景(1)-线性处理器
第二篇： 【comfyui】40个工作流一次让你彻底掌握controlNet的使用场景(2)-法线和深度处理器
pose姿势处理器
OpenPose 特点是可以检测到人体结构的关键点，比如头部、肩膀、手肘、膝盖等位置，而将人物的服饰、发型、背景等细节元素忽略掉。它通过捕捉人物结构在画面中的位置来还原人物姿势和表情。
在 OpenPose 中为我们内置了 face、full、hand ,body,这 4 种预处理器，它们分别用于检测五官、四肢、手部等人体结构。
跟webui不同，comfyui将4种处理器放在了一起，分别增加了对手，身体，脸部，设置了对应的参数detect_hand,detect_body,detect_face 来控制是否开启，默认全部开启，就处理所有，关闭脸部detect_face为disable，则不处理脸部。
可惜的是，无论是早期的简单骨骼，还是controlnet1.1之后增加了脸部识别的完整骨骼，它们都存在一个问题：识别准确率堪忧。在不增加其他控制方式的条件下，你很难仅仅通过骨骼图完整控制姿态尤其是手部动作。
DWpose的出现，给我们带来了新的选择：在减少工作量的同时，节约了显存消耗。
无论是手部识别，面部识别，体态识别，以及对不明确特征（带头盔）的识别，DWpose比Openpose都更胜一筹。
最简单直观的结论就是，对于需要提取骨骼图控制的场景，你现在可以不假思索的选择用DW_openpose_full替代曾经的openpose_full，出图效果和使用效率都会比以往更好。
Openpose姿态预处理器
Openpose姿态预处理器
DW姿态预处理器
可以自动检测图像中的人物，并将人物的关键点检测结果保存在一个 json 文件中。这个 json 文件包含了每个关键点的坐标信息，可以用于进一步的分析和处理。
使用 Dw_OpenPose_Full 预处理器可以大大简化 OpenPose 模型的使用流程，因为它自动完成了一些前期处理工作，如人物检测和关键点检测，使得用户可以更加方便地将 OpenPose 模型应用于实际场景中。
DW姿态预处理器
AnimalPose动物姿态预处理器
Animal_openpose 是一个专门提取狗、鹿、马、豹等四足动物姿势骨架的模型，也可以用来引导人马等奇幻形象的生成。
AnimalPose动物姿态预处理器
Dense姿态预处理器
Densepose 也是控制人物动作的模型，区别在于 openpose 和 dw_openpose 提取的是骨架图，densepose 提取则是躯干和四肢的轮廓图，它可以判断复杂的姿势重叠，与 Depth 模型搭配使用效果更好。
Dense姿态预处理器
MediaPipe面部网格预处理器
控制面部表情，侧脸，多人面孔都能有不错的表现
MediaPipe面部网格预处理器
总结
1.介绍了OpenPose处理器，它可以检测人体结构的关键点，如头部、肩膀、手肘、膝盖等，忽略服饰、发型、背景等细节。OpenPose内置了face、full、hand、body四种预处理器，分别用于检测五官、四肢、手部等人体结构。Comfyui将这些处理器放在一起，并增加了对应的参数来控制是否开启。
DWpose处理器，它在减少工作量的同时，节约了显存消耗。DWpose在识别准确率方面优于Openpose，适用于手部、面部、体态识别以及对不明确特征的识别。
2.其他几种姿态预处理器，包括AnimalPose、Dense、MediaPipe面部网格预处理器。AnimalPose专门用于提取四足动物的姿势骨架，Dense用于提取躯干和四肢的轮廓图，MediaPipe面部网格用于控制面部表情。
好了，今天的分享就到此结束啦！
如果大家对此感兴趣的话，不妨去尝试一下哦。最后，我要衷心感谢每一位阅读我文章的朋友。
如果你觉得文章还不错，麻烦随手点个赞一下吧，你的支持是我持续创作的动力 。
