ControlNet 是什么？边缘、深度与姿势条件怎样控制生成
用固定人物姿势解释 ControlNet，说明控制图与原图的区别，区分结构保留和身份细节，列出模型匹配、预处理及强度检查。
先理解这个概念
ControlNet为生成模型增加结构条件，例如边缘图、深度图或姿势关键点，让图像更接近指定布局。原始方法在预训练扩散网络基础上增加可训练控制分支，实际使用需要配套模型和控制图。它不保证人物身份或所有纹理完全一致，也不等于只上传一张参考照；控制类型和输入处理应按实现确认。
控制图表达结构而非完整原图含义
例如要保持人物抬手姿势，可以提取关键点作为条件，但关键点本身没有衣服颜色和面部细节。边缘图又表达另一种结构信息。应根据任务选择控制类型，不能期待同一张控制图同时精确锁住所有视觉属性。
原始ControlNet论文研究空间条件，Hugging Face也分别介绍边缘和姿势等使用方式。不同控制权重针对的模型与输入类型不同，下载一个文件并不保证与当前底模兼容。本文解释机制，没有生成姿势对照图片。
预处理质量和尺寸对齐会影响结果
姿势提取漏了手部或把两个人连成一组，后续生成也可能受到错误结构影响。边缘提取过密时，还可能把背景纹理当作重要轮廓。应先查看控制图，再判断模型是否服从条件，避免跳过输入检查就不断提高控制强度。
控制图和输出尺寸需要对应，缩放或裁剪可能改变位置关系。多个控制同时使用时也可能冲突，应分别验证再组合。结构正确以后，文字与颜色仍要单独描述和核对，不能把ControlNet当成所有编辑问题的统一解决方案。
判断效果应分开检查结构与细节
可先定义必须保留的关键点位置，再检查主体轮廓和不希望的变化。这里是验收设计，没有实测得分。仅看画面整体相似可能忽略姿势错误，反过来姿势匹配也不表示脸部身份或商品尺寸得到可靠保留。
若目标是参考某个角色外观，可以另外研究图像适配器或其他机制，但仍要核对兼容和使用权。记录控制图及权重版本，有助于复查变化原因。本文不提供通用最佳强度，也不承诺复杂姿势都能一次生成成功。
核对来源
以下资料用于核对概念和方法。文中的示例与测试范围分别注明，实际使用时请核对所用工具的版本。