Was eine Tiefenkarte tatsächlich steuert
Die Graustufenkarte, die ControlNet Depth verarbeitet, hält nicht Licht und Schatten fest. Sie hält fest, wie weit jedes Pixel von der Linse entfernt ist. Nah ist hell, fern ist dunkel, und die Kontur der Figur samt der Tiefenverhältnisse zwischen den Körperteilen werden zu einer „Distanzkarte“ komprimiert, die das Modell lesen kann.
Das bringt zwei Dinge direkt: Das Modell wird nicht von Material, Farbe oder Licht des Ausgangsbilds abgelenkt, und es erhält trotzdem exakt die Ausrichtung des Körpers, die Position der Gliedmaßen und die Verdeckung von vorne nach hinten. Gibst du eine Tiefenkarte einer stehenden Figur, kopiert das Modell nicht die Textur der Kleidung, übernimmt aber den Winkel der Hüfte, die Höhe des Arms und den Aufsetzpunkt der Füße.
Die Lineart geht einen anderen Weg: Sie beschreibt Kontur- und Strukturlinien und eignet sich für Fälle, in denen das Gerüst des Bildes erhalten bleiben soll, ohne dass die Graustufen den Hautton festlegen. Der effiziente Ansatz besteht daher nicht in einer Wahl, sondern darin, pro Pose zwei Bilder vorzubereiten und sie phasenweise einzusetzen — Tiefenkarte für das Gerüst in der Kompositionsphase, Lineart für die Kontur beim Kolorieren.
Schritt eins: die Bibliothek auf drei oder vier Posen eingrenzen
Die meisten scheitern nicht an den Parametern, sondern daran, „die richtige Pose zu finden“. Die richtige Reihenfolge lautet: erst eingrenzen, dann generieren.
- Wähle in der Posen-Bibliothek zuerst nach System: Ganzkörper/Einzelperson, Oberkörper/Einzelperson oder Paar.
- Filtere anschließend nach Kategorie — stehend, sitzend, kniend, angelehnt. System und Kategorie sind zwei Ebenen; zusammen bleiben meist ein paar Dutzend Bilder.
- Fixiere zuletzt den Kamerawinkel. Jede Pose hat fünf Ansichten — frontal, von oben, von unten, seitlich und drei Viertel — und Draufsicht und Untersicht erzeugen völlig unterschiedliche Perspektiven. Wer hier falsch wählt, wirft den Rest der Kette weg.
Drei bis fünf Bilder genügen. Beim tatsächlichen Generieren zeigt sich: es gibt deutlich weniger brauchbare Posen als vermutet — das Problem liegt meist nicht in der Anzahl, sondern darin, ob der Winkel stimmt.
Schritt zwei: Bildquelle wechseln und einmal vergleichen
In der Filterleiste der Posen-Bibliothek gibt es die Option „Bildquelle“: Tiefenkarte, Lineart, Vergleich. Im Vergleichsmodus blendet sich beim Überfahren einer Karte live die Lineart ein; in der Großansicht stehen Tiefenkarte und Lineart nebeneinander.
Dieser Schritt ist einfach — prüfen, ob die Pose in beiden Darstellungen trägt. Manche Posen haben in der Tiefenkarte eine saubere Kontur, verschmelzen aber in der Lineart zu einer Fläche, wenn der Arm den Torso überlappt; umgekehrt gibt es Posen, die in der Lineart präzise wirken und in der Tiefe keine klare Staffelung zeigen. Das früher zu sehen ist billiger als fünf verworfene Bilder.
Schritt drei: Parameter für ControlNet
Am Beispiel Stable Diffusion WebUI ergibt sich folgende übliche Kombination:
- Präprozessor: Wenn du direkt die Tiefenkarte aus der Bibliothek verwendest, wähle
none. Die Bilder der Bibliothek sind bereits normalisiert; ein zusätzlicher Depth-Präprozessor würde die Staffelung eher verschlechern. - Modell:
control_v11f1p_sd15_depth(SD1.5) oder das entsprechende SDXL-Depth-Modell; die Version muss zum Basismodell passen. - Gewicht: Ab 0.65. Unter 0.5 läuft die Pose auseinander, über 0.9 wird das Bild steif und wirkt wie eine aufgeklebte Vorlage.
- Steuerungszeitpunkt: 0 bis 0.75. Die ersten drei Viertel der Sampling-Schritte werden kontrolliert, der Rest bleibt dem Modell für Details.
- Auflösung: Das Seitenverhältnis von Kontrollbild und Zielbild muss identisch sein. Die Originale der Bibliothek sind 900×1200 (3:4); generiere ebenfalls im Format 3:4, sonst wird die Figur gestreckt.
Die drei häufigsten Probleme
1. Die Figur wird zur Schaufensterpuppe
Das Gewicht ist zu hoch, oder der Steuerungszeitpunkt reicht bis in die letzten Schritte. Senke das Gewicht auf etwa 0.7 und setze das Ende auf 0.7 bis 0.8, damit das Modell in der Endphase Stoffdetails und Ausdruck frei gestalten kann.
2. Hände und Füße zerfallen
Eine Tiefenkarte wirkt ohnehin nur schwach auf Finger; die fünf Finger liegen in der Tiefe fast in derselben Ebene. Abhilfe: den Bildausschnitt auf den Oberkörper verengen oder Hände nach der Generierung per Inpainting ergänzen. Das System „Oberkörper/Einzelperson“ in der Bibliothek ist genau für solche Einstellungen vorbereitet.
3. Bei Szenen zu zweit geht die Pose einer Person verloren
Wenn sich die Tiefenwerte beider Figuren gegenseitig verdecken, kann das Modell nicht unterscheiden, wer vorne steht. In dem Fall zuerst auf Lineart wechseln oder die Tiefenkarte des Paares insgesamt um eine Stufe aufhellen, damit sich die Ebenen trennen.
Den Ablauf festschreiben
Für echte Projekte empfehle ich diese feste Reihenfolge: Winkel filtern → Bildquellen vergleichen → Gewicht festlegen → Einzeltest → Stapelgenerierung. Die ersten beiden Schritte sind in der Bibliothek in zwei Minuten erledigt; die letzten drei sind der eigentliche Zeitaufwand. Die billigen Handlungen nach vorn zu legen, ist der größte Einsparpunkt im ganzen Ablauf.
Alle 288 Posen-Sets mit 2.880 Bildern lassen sich direkt herunterladen, nach System auch als ganzes Paket. Der nächste Beitrag behandelt das Schreiben von Prompts.