建筑类图像生成最怕的不是细节缺失，而是透视关系混乱：本该汇聚到消失点的线条各自为政，立面出现不合理的倾斜，窗框和楼层线对不齐。ControlNet 提供了把外部几何条件注入扩散模型的能力，其中 MLSD（Mobile Line Segment Detection）线段检测是专门为直线结构设计的预处理方案。它不像 Canny 那样保留所有灰度突变边缘，而是只输出有明确起点和终点的直线段，这让建筑轮廓、楼板线和窗洞边界能被稳定地约束。
下文先从 MLSD 与常规边缘检测的差异切入，再说明在 Stable Diffusion WebUI 和代码接口中如何接入，最后结合不同建筑场景给出参数建议。
MLSD 为什么比 Canny 和 HED 更适合建筑透视控制
ControlNet 的 MLSD 模型在训练时，使用的条件图并不是 OpenCV 的 Canny 结果，而是由 M-LSD 推理生成的线段图。M-LSD 本身是一个轻量级检测网络，输入一张图像，输出一组线段表示，每条线段包含两个端点坐标。与 Canny 的输出差异在于，Canny 是像素级边缘概率图，墙体纹理、砖缝、阴影边缘都会留下来；HED 学习了更抽象的轮廓，但仍然是热力图，难免混入曲线。建筑透视中真正起作用的是大面积直线框架，因此 MLSD 把直线段单独提取出来，噪声更少，对窗框、檐口、楼层分割线等刚性元素更友好。
从生成机制看，扩散模型在去噪早期会先确定大致的画面结构，线条条件如果包含太多与透视无关的边缘，模型容易把砖缝、排水管阴影也当成硬性约束，导致立面扭曲。MLSD 输出的黑底白线图只保留了直线骨架，视觉编码器可以把这些线段映射为较强的空间先验，引导 UNet 在生成墙面时沿着约束方向延伸。比如一张低角度仰拍的高层建筑照片，MLSD 会重点保留竖向框柱和横向楼板线，而不是玻璃上的反射杂线。
当然，MLSD 也不是万能方案。对于曲面建筑、拱形窗或有机造型，它的直线假设会漏掉重要曲线，这时需要叠加深度图或软边缘图来补充。但在直线主导的现代建筑、办公楼和室内走廊中，MLSD 通常是最容易调出稳定结果的选择。
在 WebUI 和代码中接入 MLSD ControlNet
在 Stable Diffusion WebUI 中启用 ControlNet 后，预处理器选择 MLSD，模型选择 control_v11p_sd15_mlsd。权重参数建议先从 0.8 到 1.0 开始，过高的权重会让建筑线条过于生硬，甚至出现墙体被强制拉成直线的伪影；过低的权重又不足以纠正透视。引导时机一般设置在 0 到 0.75 之间，因为扩散模型后半段更多是细节细化，过早结束结构约束有助于保留材质和玻璃反射的自然感。
如果习惯用代码批量处理，可以先通过 controlnet_aux 生成 MLSD 线段图，再传入 WebUI 的 API。下面是一个预处理示例：
from controlnet_aux import MLSDdetector
from PIL import Image
detector = MLSDdetector.from_pretrained("lllyasviel/Annotators")
image = Image.open("building.jpg").convert("RGB")
mlsd_image = detector(image)
mlsd_image.save("building_mlsd.png")
生成后的 building_mlsd.png 可以直接作为 ControlNet 的输入。调用 WebUI 的 txt2img API 时，可以这样组织参数：
{
"prompt": "modern glass facade, straight vertical lines, low angle view, architectural photography",
"negative_prompt": "distorted perspective, curved walls, fisheye",
"steps": 25,
"cfg_scale": 7,
"controlnet": {
"input_image": "building_mlsd.png",
"module": "mlsd",
"model": "control_v11p_sd15_mlsd",
"weight": 0.85,
"guidance_start": 0,
"guidance_end": 0.75
}
}
这里 guidance_start 为 0 表示从第一步就施加结构约束，guidance_end 为 0.75 表示去噪进行到 75% 时释放 ControlNet 的控制。对于大多数直线建筑，这种设置能在保持透视准确的同时，避免墙体表面被过度勾勒。如果使用的 WebUI 版本把参数命名为 controlnet_guidance_start 和 controlnet_guidance_end，按对应字段传入即可。
不同建筑场景下的控制策略与参数调试
MLSD 的控制强度需要根据场景调整，不能所有建筑都套同一组参数。以下三类场景的差异比较明显：
- 低层住宅与砖墙：纹理噪声多，MLSD 条件图可以只保留主要轮廓，权重建议 0.7 至 0.85，避免砖缝被过度直线化。
- 高层玻璃幕墙：直线框架明显，权重可以提高到 0.9 至 1.0，但引导结束建议设在 0.7 以下，给玻璃反射留出生成空间。
- 室内走廊与对称空间：消失点约束强，MLSD 线段较密集，权重 0.75 至 0.9，引导结束可设为 0.6，防止远景门框过度锐化。
实际调试时，如果发现生成立面出现波浪形，说明权重过高或引导时间过长，应把权重降到 0.6 左右，引导结束设为 0.65。如果窗户没有对齐，可能是 MLSD 预处理图分辨率太低，建议至少使用 512 像素的短边，并且尽量保证输入图片的对比度足够。
另外，提示词中的镜头描述也很关键。ControlNet 提供的是几何约束，而镜头语言决定透视类型。比如生成高层建筑时，可以在提示词中加入 low angle view、vanishing point 等描述，让 MLSD 的竖直线段与仰拍透视产生一致效果。只用 ControlNet 而不描述视角，模型可能会把线段解释为正交立面，缺少空间纵深感。
如果遇到线段漏检，可以在预处理前先用图像编辑软件提高对比度，或者裁掉干扰物后再送入 MLSD。对于复杂场景，也可以叠加 Canny 或 Depth 控制器，但要注意总控制强度不能过高，否则生成画面会失去自然过渡。总结下来，MLSD 的价值在于用干净的直线骨架限制建筑结构，参数调整的核心是找到刚性约束与材质表现之间的平衡点。
ControlNet线段检测建筑透视修改时间：2026-09-19 00:22:23