概述☍
SD WebUI Forge 内置了一些扩展可供使用，下面就简单介绍内置扩展的使用。
Spaces☍
这是 SD WebUI Forge 其中一个扩展系统，功能类似 HuggingFace Spaces，提供了少量比较有用的扩展。
如果需要其中的某个扩展，点击该扩展右边的安装按钮即可进行安装，在控制台可以看到安装过程，安装完成后 Launch 按钮将可用。
点击 Launch 启动扩展，启动完成后将自动调用浏览器打开扩展的页面，在控制台也能看到扩展对应的页面地址。
如果需要关闭该扩展，点击 Terminate 将关闭该扩展的进程。
如果不再需要该扩展，可以点击 Uninstall 卸载该扩展。
Note
SD WebUI Forge 的 Spaces 功能中的扩展因为需要手动安装，不完全算 SD WebUI Forge 的内置扩展，所以不多介绍 Spaces 扩展的功能。
ControlNet Integrated☍
使用图片作为控制图片生成的条件，在前面的章节中讲过如何使用，所以本章将不再进行介绍。
具体介绍请阅读：ControlNet 应用 - SD Note
FreeU Integrated☍
该扩展可以调节出图的效果，提高图片的对比度，改善出图的细节。
启用后，B1，B2，S1，S2 可以调节 FreeU 的作用效果，Start step 和 End step 分别条件 FreeU 起作用的起始时机和结束时机。
在左下角的 (presets) 中可以选择一些参数预设，根据自己使用的模型进行选择。
使用 FreeU 后，可以看到图片的对比度有了提高，在某些细节上效果更好。
| 使用 FreeU 前 | 使用 FreeU 后（使用 SDXL 预设） |
|---|---|
 |
 |
Note
FreeU 相关的论文：[2309.11497v2] FreeU: Free Lunch in Diffusion U-Net
DynamicThresholding (CFG-Fix) Integrated☍
该扩展用于设置动态提示词引导系数，可使在较高的提示词引导系数下颜色能够保持正常。
下面提供一个预设值可供参考。
| 选项 | 值 |
|---|---|
| Mimic Scale | 5 |
| Threshold Percentile | 0.95 |
| Mimic Mode | Half Cosine Up |
| Mimic Scale Min | 4 |
| Cfg Mode | Half Cosine Up |
| Cfg Scale Min | 4 |
| Sched Val | 4 |
| Separate Feature Channels | enable |
| Scaling Startpoint | MEAN |
| Variability Measure | AD |
| Interpolate Phi | 1 |
启用后，可以避免高提示词引导系数下颜色异常。
| 提示词引导系数 | 5 | 30（启用 DynamicThresholding） | 30 |
|---|---|---|---|
| 效果图 |  |
 |
 |
Note
DynamicThresholding 相关的说明：mcmonkeyprojects/sd-dynamic-thresholding Wiki
SelfAttentionGuidance Integrated (SD 1.x, SD 2.x, SDXL)☍
该扩展用于提升生成图片的细节，改善出图效果。
启用后使用默认值可得到比较好的效果，也可以自己调整这些值，测试哪些参数更好。
| 启用前 | 启用后 |
|---|---|
 |
 |
Note
Self-Attention Guidance 相关论文：[2210.00939] Improving Sample Quality of Diffusion Models Using Self-Attention Guidance
PerturbedAttentionGuidance Integrated☍
该扩展用于优化图片细节，增加图片对比度，提高图片质量。
通常使用默认值就有比较好的效果，当然可以尝试调整参数测试哪个参数效果较好。
| PerturbedAttentionGuidance | 无 | 3 | 5 |
|---|---|---|---|
| 效果图 |  |
 |
 |
Note
Perturbed Attention Guidance 相关论文：[2403.17377] Self-Rectifying Diffusion Sampling with Perturbed-Attention Guidance
Kohya HRFix Integrated☍
当想要直出 1920x1080 这样的高分辨率，但是所使用的 SDXL 模型是在 1024x1024 分辨率下进行训练的，这可能会出现画面崩坏，此时可以通过该扩展修复该问题。
使用默认值就可以得到比较好的效果，也可以尝试自己调整参数，有些参数组合可以提高画面的细节。
| 禁用 Kohya HRFix | 启用 Kohya HRFix |
|---|---|
 |
 |
Note
Kohya HRFix 实现源码：SDXLで高解像度での構図の破綻を軽減する
LatentModifier Integrated☍
该扩展可将滤镜应用于潜空间图像中，调整出图效果，可调节的效果有锐化等。
使用时根据自己需求调整参数即可。
StyleAlign Integrated☍
该扩展用于同时生成多张图片中，即单批数量大于 1 时能够起作用。
启用该扩展后，如果设置单批数量同时生成多张图片，则该扩展将会在批次中分享注意力，使批次中每张图片的风格相似。
| 禁用 StyleAlign | 启用 StyleAlign |
|---|---|
 |
 |
MultiDiffusion Integrated☍
该插件将潜空间图像进行分块，进行采样后再合并成一张完成的潜空间图像，可用于文生图生成超高分辨率图像或者在图生图中对图片进行放大。
下面给出一些 MultiDiffusion 的参数配置。
| 参数 1 | |
|---|---|
| 方案 | MultiDiffusion |
| Tile Width | 1024 |
| Tile Height | 1024 |
| Tile Overlap | 256 |
| Tile Batch Size | 8 |
| 参数 2 | |
|---|---|
| 方案 | Mixture of Diffusers |
| Tile Width | 1024 |
| Tile Height | 1024 |
| Tile Overlap | 96 |
| Tile Batch Size | 8 |
Tile Width 和 Tile Height 为分割图像的分辨率，Tile Overlap 为每个分块图像之间重叠的分辨率，较高的值可以减少接缝的产生，但是会增加图片生成的时长。
如果出现显存不足的情况，需要将 Tile Batch Size 的值调低。
文生图☍
在文生图可以用来生成超大分辨率图像，但单纯使用 MultiDiffusion 生成超大图像不适合生成单人物图像，因为分块会导致出现多人的情况，需要通过 ControlNet Canny / Lineart 进行控制。
如果单纯使用 MultiDiffusion 生成超大分辨率图像。比较适合生成风景图，不过画面的连贯性可能不是很好。
图生图☍
MultiDiffusion 用在图生图中放大图片比较好。
导入图片后并写上提示词，在重绘尺寸倍数设置好倍数，重绘幅度设置为 0.35，启用 MultiDiffusion Integrated 并设置好参数就可以进行图片放大了。
如果放大后的图片出现了鬼影，可以尝试将提示词中具体描述画面元素的提示词删去，或者加上 ControlNet Tile，重绘幅度修改为 0.6。如果 MuitlDiffusion Integrated 的方案选择 MultiDiffusion，则 Tile Overlap 调成 64，如果选择的是 Mixture of Diffusers，则 Tile Overlap 调成 32。这样就可以进行图片放大了。
对图片进行放大时，建议把 Never OOM Integrated 的 Enabled for VAE (always tiled) 勾选上，防止 VAE 阶段出现显存不足。
Note
MultiDiffusion 扩展的说明：分片扩散 · pkuliyi2015/multidiffusion-upscaler-for-automatic1111 Wiki。
MultiDiffusion 算法：MultiDiffusion: Fusing Diffusion Paths for Controlled Image Generation。
Mixture of Diffusers 算法：albarji/mixture-of-diffusers: Mixture of Diffusers for scene composition and high resolution image generation。
模型融合☍
该扩展可用于将两个融合在一起，或者将模型中的 VAE 进行替换。
在 SD WebUI Forge 中，模型融合扩展支持将 FLUX 模型进行量化并保存。模型选择 flux-1-dev.safetensors，VAE / Text Encoder 选择 t5xxl_fp16.safetensors、clip_l.safetensors、ae.safetensors，Diffusion in Low Bits 选择 bnb-nf4 后，在模型融合的 Save Current Checkpoint (including all quantization) 选项点击 Save Checkpoint 将选中的模型量化成 nf4 精度并保存成一个模型文件。
Note
该扩展的相关说明：(Save Flux BitsandBytes UNet/Checkpoint)。