一、前言
本文是《Stable Diffusion 从入门到企业级应用实战》系列的第四部分能力进阶篇《Stable Diffusion ControlNet v1.1 图像精准控制》的第0414篇 利用Stable Diffusion ControlNet 法线贴图模型精准控制图像生成。本部分内容，位于整个Stable Diffusion生态体系的位置如下图黄色部分所示：
法线就是指模型表面的凹凸感，而凹凸感的产生是因为模型表面像素的光照条件不一样产生的。在逐像素计算光照时，每一个像素都会根据该点的法向量来计算最终该点的光照结果，那么，我们如果能够改变这个法线的方向，就可以改变这个点的光照结果，进而影响模型表面凹凸感。
最早的法线贴图实现方式是使用凹凸贴图（Bump Map），简单来讲就是给一张灰度图，默认为黑色，越凸起的地方颜色越亮，通过采样点之间斜率决定像素是否位于边缘，从而影响光照明暗。
Unity法线贴图一般都是存储在切线空间。切线空间的z轴就是顶点所在面的法线方向，该点的uv二维坐标系则用来表达该点的切线（tangent）和该点的次法线（binormal）方向。
This model can accept normal maps from rendering engines as long as the normal map follows ScanNet's protocol.
二、创作成果
三、生成过程
3.1 工作流程
整个创建，过程可以分为三个步骤：环境部署、模型下载、模型推理。
3.2 环境部署
我们的环境部署，没有采用webUI的方式，进行而是配置了基于ControlNet v1.1 进行了原始环境部署。源码资源如下图所示：
3.3 模型下载
3.4 模型推理
启动程序：
操作界面：
提示词：
提示通过图像 + Prompt组合的模式进行，本文，我们使用的提示为：cute toy.
呆萌，呆萌的图像输出，是不是瞬间俘获了你的内心。
四、小结
本文是《Stable Diffusion 从入门到企业级应用实战》系列的第四部分能力进阶篇《Stable Diffusion ControlNet v1.1 图像精准控制》的第14篇 《利用Stable Diffusion ControlNet NormalBAE 法线贴图模型精准控制图像生成》。下一章，我们将要分享《Stable Diffusion ControlNet v1.1 图像精准控制》的第13篇《利用Stable Diffusion ControlNet Tile 磁贴模型精准控制图像生成 》。敬请期待。
