机制：取输入图像，通过VAE编码器编码到潜空间，添加与“去噪强度”参数成比例的噪声（0.0 = 不变，1.0 = 纯噪声 = 文生图），然后在文本提示的条件下去噪。在强度0.3时，输出与输入非常相似，只有细微修改。在强度0.8时，图像被大幅重新想象，但保持基本构图。
去噪强度是关键参数：它控制输出可以偏离输入多远。低强度（0.2–0.4）：轻微的风格变化、颜色调整、细微的细节添加。中等强度（0.5–0.7）：显著的风格转换，同时保留构图。高强度（0.8–1.0）：大幅重新想象，与输入仅有模糊的结构相似性。为你的使用场景找到合适的强度需要实验。
一个强大的img2img工作流：画一张粗略的草图（即使在画图程序中），将其用作输入图像并设置中高去噪强度，然后描述期望的输出。草图提供空间布局（物体在哪里，它们的相对大小），而AI填充所有的艺术细节。这使得任何能画火柴人的人都能使用AI图像生成——构图来自你，渲染来自AI。