中文字幕无码av不卡一区,亚洲综合AV永久无码精品一区二区,黑人巨大白妞出浆,黄色高清无码免费看,久久久久免费精品国产,久久无码人妻丰满熟妇区毛片,欧美日韩国产综合草草,久久福利网站,亚洲一区二区三区中文字幕在线,av国内精品久久久久影院

本篇會以AI圖像生成工具Stable Diffusion展開講講，如何用更系統化的思維來做設計解題，會分享一些面向AIGC繪圖工作流的一些開闊性思路與方法分享，核心觀點即“商業需求是題面，AIGC是計算工具，解題思路還得是設計師!”，總之面對AIGC設計不要焦慮也不用回避，本篇筆者期望能夠和大家一起探討AIGC繪圖如何為我所用，如何融入設計流程，如何降本增效。

并且會聊聊Stable Diffusion究竟具備了哪些可控能力，以及進行商業設計落地的思路與解題技巧，一切皆是希望能夠幫助大家更好的認識AIGC繪圖工具，并幫助優化自己的設計流程。

一、互聯網企業對AIGC的癡迷

當下AIGC很火，以Chatgpt為代表的語言大模型，還有專注繪圖領域的Midjourney與Stable Diffusion都很出名，甚至有企業宣稱應用AI模型做CEO管理，雖然不知道員工服不服管，股東有沒有意見，但可見2023很AI。

1. 企業們又在期待AIGC能做些什么？

企業內部辦公

期望借助AIGC降本增效，通過智能自動化的形式滿足一些內容產出以減少人力的投入，從而將人力轉移到其他更有價值或復雜的工作內容上，以實現降本增效的可能。

產品體驗賦能

通過AIGC的場景化能力，賦予產品更智能更前沿的技術體驗，從而產生更多的服務能力或是服務質量，并減少產品運營的成本。

技術創新性

隨著深度學習、模型訓練等，為企業提供更多定制化的技術應用或創新突破，為企業帶來更多產品創新應用的可能，或是其他的正向收益。

二、Midjourney&Stable Diffusion

說到設計師，Midjourney跟Stable Diffusion總是要被提及。

而作為一個交互設計師，我能用上的圖形繪制部分就不多，所以有必要先了解一下AIGC繪圖工具能做些什么了、能做到什么程度、能為你的工作做些什么，這很重要。

從商業角度出發，筆者認為AIGC繪圖更多的是應用到廣告營銷或藝術創作方面會多一些，就我當下嘗試和了解到的應用場景與優勢如下，可供產考；

1. Midjourney&Stable Diffusion特征差異

Midjourney是商業化產品、上手難度小、出圖快、效果質量高，服務是端對端的形式，能夠基于一個大模型快速響應各種風格或內容關鍵詞的繪制，很適合在頭腦風暴、尋覓風格參考的階段花錢消災，并且Midjourney的模型還在不斷覆蓋或更新事物關鍵詞的理解，如果你怕麻煩并且設計需求不復雜，那么推薦Midjourney。

而SD（本篇中對Stable Diffusion的簡稱）典型的特征就是開源免費，社區共創擴展創新，本地化運算，有階段化的可操控性，可以更好幫助設計師實現腦子里的創意，但有一定上手難度和設備局限，適合在復雜設計工作中更深入的探索應用。

用個不恰當的比喻，Midjourney跟SD就像是美圖秀秀跟Photoshop的關系～

三、AIGC繪圖的短板還很明顯

給人很直觀的感覺就是AIGC不懂設計，也不懂產品，還不好馴服，事實上目前AIGC繪圖的商業能力還很有限，并且人機交互的溝通成本并不小（你要通過適當的關鍵詞描述需求），當你不能熟悉關鍵詞的應用以及AIGC繪制的功能操作方式時，開啟AIGC繪圖工具后就像是剛剛新建畫板Photoshop，強大且不知所措，AIGC繪圖工具的智能化、工業化、多模態交互、傻瓜式都還面臨不少挑戰。

四、為何考慮用SD做設計解題？

我簡單概括為三個方面：成本更低、可控性更高、有更多的可能性：

1. 成本更低

成本一直是企業或個人關心的問題，在AIGC繪圖生成的過程中充滿了太多的不確定性了，市面上大多AIGC繪圖工具都是收費或簽到制的，在不斷抽卡中余額消耗的極快，而開源免費的Stable Diffusion無疑是雪中送碳。

通常設計師的電腦也都不算差勁，盡管現在SD還有一些硬件或系統兼容的問題，但是我認為不久的將來，強大的開源社區會給出更好的方案。

2. 可控性更高

設計師不同于純粹的藝術家，設計即代表有精細的布局與控制，而圖像內容的可控性就在工作中顯得極為重要，這些具備商業化或產品屬性的訴求若不能在AIGC繪圖中解決，那AIGC繪圖就還不具備為設計師解題的能力。

初階段的SD給人的印象也還是基于模型畫畫紙片人，并支持一些涂涂換換的能力，直到相關開源社區出現了更多的模型、Lora以及顛覆性的ControlNet控制網絡時，我看到的了SD更高的可控性與可能性，這是AIGC繪圖跨入工業化的一大步！

3. 更多的可能性

開源社區的魅力就是為愛發電多，商業化場景的應用模型越來越完善，未來充滿了各種可能，你根本不知道何時就會出現一款現象級插件或模型，并且市面上可能會出現更多基于Diffusion二開的商業場景應用，我相信在未來SD步入工業化的腳步會越來越快，設計師應用的場景也會更廣闊，即使你現在不使用SD，但依舊值得期待一下！

五、Stable Diffusion的可控概念

首先你不要想著像專業繪圖工具一樣控制了，你可能有時候連自己都控制不住自己！

SD繪圖可控性的本質是定向抽卡，方向越聚焦，結果越接近。

這個過程中，提示詞是畫面構成的重要因素，卻不是畫面風格和語義解析的全部，SD生成的可控性還需要借助各種擴展網絡的應用，這意味完全一樣的關鍵詞出來的結果依舊可能天差地別，SD與擴展模型的運作模式可通過下圖快速理解，它們逐級影響，相互作用；

1. 里程碑ControlNet 1.1+的概念

關于此擴展插件相信大家已經有所了解，這里不做教程了，目前ControlNet還在持續更新。該插件提供了多種方式供用戶實現內容生成的可控性，是一個階段性的擴展應用，還有更多新的ControlNet以及高版本正在生產中，期待一下吧；

SD-Controlnet1.1 官方介紹：https://github.com/lllyasviel/ControlNet-v1-1-nightly

SD-Controlnet1.1 開源倉庫：https://github.com/Mikubill/sd-webui-controlnet

SD-Controlnet1.1 資源下載：https://huggingface.co/lllyasviel/ControlNet-v1-1/tree/main

六、應用SD的正確解題思路

1. 先了解SD繪圖工具

當工具回歸工具，設計的核心依舊是設計思維，目前想要借助AIGC繪圖來為工作降本增效，就需要先了解工具能做什么，有何優勢，有何局限性，能幫你做什么？能做到什么程度？

期間筆者看了很多AIGC繪圖應用的分享，也參加了些相關沙龍，基本上主流的設計應用就三個方面；

另外SD不同于Midjourney，由于是從主模型到擴展一層層混合作業的，想要基于同樣的提示詞實現抄作業不一定行的通，所以了解SD各種模型的關系與功能屬性是很有必要的，以下是關于SD基本且主流功能的概述整理：

2. 沉淀美學與設計素養

進行AIGC商業化應用，沉淀美學與設計素養是根基，并且針對AIGC生成，可以準備成一份隨時可參考的材料。

1）對于各類美術風格，需要知道其特征和專用術語名詞，以保證在需要的時候能夠應用對應的提示詞，并且這些提示詞不局限于美術風格，也有根據某品牌或是某個行業提煉的藝術關鍵詞；

※ 部分舉例

3D、2.5D、2D、CG、吉卜力風格(Ghibli style)、水彩(Watercolor)、波普藝術(Pop Art)、中國風(Chinese Fashion)、朋克風(Cyberpunk)、噪點插畫(Noise Design)、像素風(16-bit pixel art)、迪士尼風(Disney Style)、Q版風(Q-Style)等

2）對鏡頭語言的認識，掌握基本鏡頭視角的描述詞，以及高階鏡頭的效果差異與提示詞應用，不過目前體驗下來，AIGC工具基本還不能呈現較為復雜的鏡頭與視角；

※ 部分舉例

透視(perspective)、景深(depth of field)、俯視(bird’s-eye view)、魚眼(fish-eye view)、頂視(top view)、廣角(wide-angle)、鳥瞰(aerial view)、等距(Equidistant perspective)等

3）掌握基本的構圖知識以及布光基礎，并了解效果差異與提示詞應用；

※ 部分舉例

前景(close shot)、中景(mid-shot)、遠景(prospect)、主光(Main light)、輔助光(fill light)、頂光(overhead light)、眩光(dazzle)、柔和光(soft lighting)、陰影(shadow)等

4）在偏3D的場景中，對于物體材質特征的基本認識與提示詞應用也很重要，目前在一些原生的3D渲染器中，收集了不少關鍵詞，建議大家也可以如法炮制；

※ 部分舉例

塑料(plastic)、金屬(metal)、玻璃(glass)、皮膚(skin)、薄膜(thin)、布料(cloth)、亞麻布(linen)、水晶(crystal)、木質(wood)、石頭(stone)、瓷器(ceramic)、絲綢(Silk)、皮革(leather)等

5）基礎環境描述與提示詞應用，實際上復雜環境通過提示詞是很難搞定的，主要是還從簡到繁的將空間環境一點點根據期望去刻畫，基本上就是區分室內還是室外、空曠還是狹小、鄉野還是城市等等；

※ 部分舉例

房間(room)、森林(forest)、廢墟(ruins)、天空(sky)、宇宙(universe)、雨天(raining)、雪天(snowing)、城市(city)、廣場(square)、草原(grassland)、操場(playground)、海洋(ocean)、海底(seabed)等

6）優化提示詞與負面提示詞的應用，目的是讓生成圖片的質量更高以及減少不對的負面效果，但想想還是有點傻，期待更智能的那一天早日到來！

※ 優化詞

高清(hd)、高分辨率(4K,8K)、最佳質量(best quality)、杰作(masterpiece)、抗鋸齒(antialiasing)、虛幻引擎(unreal engine)、原畫級別(CG)、完整(complete)等

※ 負面詞

畫面常用：低質量(worst quality)、模糊(blurry)、水印(watermark)、丑陋(duplicate)、重復(duplicate)、損壞的(Damaged)、出錯(error)、單色的(monochrome)、黑暗(darkness)、非常規(nsfw)等；

人物常用：肢體多余(extra limbs)、畸形(deformation)、病態(morbid)、多手指(too many fingers)、多條腿(mang legs)、斗雞眼(cross-eyed)、變異手(mutated hands)、截肢(amputation)等；

掌握和了解以上美術素養或提示詞是為了更好的面向AIGC工具進行需求描述和控制！

此外設計素養是作為商業設計、工業化的重要內核，其中包含了基本的行業設計規范、標準的理解與掌握，此外相關設計思維、審美與問題解決能力都要不斷的學習和提升，這是進行商業設計和不被AIGC取代的重要資本；

3. 建立預期后再開工

一方面因為SD通過簡單的幾個提示詞并不能生成高質量效果，依靠隨機抽卡是不可能實現商業需求的，另外作為商業設計，其中必然是帶有商業目的與業務信息的，因此為了保障生成效果與效率，設計師還是要先根據需求建立設計預期，在腦子里形成設計方案后開始構建草圖或參考材料，然后再拆解成多個階段，把適合AIGC繪圖處理的事項交出去，中間通過墊圖或人工操作糾正方向，加速抽卡的方向聚焦，最終得到一些滿意的材料，再做商業合成產出交付產物；

4. 多元的草圖與原型圖

準備草稿或是原型是設計工作中的必要過程，可以幫助設計師對需求和目標的理解，也能形成材料與同事之間探討構思，甚至向上對齊設計方案。此外準備草稿或原型材料也能幫SD在抽卡時更聚焦，減少無效的試錯。

1）草稿或原型支持多樣性

SD功能允許的條件下，經過反復嘗試，前期的草稿材料可準備如下；部分需要采用ControlNet擴展進行解析應用，方法就是制作與ControlNet模型匹配的材料，導入到預覽作為輸出后再啟用對應模型即可，方法如下圖所示，親測有效；

以下是可準備的草稿或原型材料的參考說明；

2）參考材料或生成的局限性

在以上表格的注意事項已經提到了部分擴展應用的局限性，此外在實際工作場景中，還有一些比較頭大的局限性，主要包括了以下三點；

另外當引導詞不能被模型正確理解或不具備較高的常規性時，你也可以將關鍵詞替換成其他近似詞語，或者改成其他描述詞來代替，能夠提升一定的常規性和模型理解的概率；

例如：帽子(hat)無法得到預期的結果，便只好改為了頭部穿戴(Head wear)+其他構成元素詞語，輸出時，帽子終于出現了。

3）草稿復雜性拆解技巧

將草稿的復雜性進行拆解是為了簡化設計，使SD中的模型能夠更好理解需求進行生成，經過嘗試或實驗，整理了以下兩種比較有效的拆解方法，但前提是保證一定的常規性以及主模型的可理解性，當然你也可以在整個過程中來回切換主模型應用，只要大的視覺風格差的不太多，例如都是2D或是寫實的，后續再對風格矯正即可；

但由于現在的AIGC繪圖對文本信息處理能力不佳，若你的主體視覺由信息構成并且嵌套在視覺場景之中，而不是處于前景、近景的層次那么就會比較難搞，也因此目前市面上主流的AIGC營銷視覺案例基本都是“情景圖+配文”的結構，兩類應用場景如下；

5. 局部調整或后期優化階段

借助SD的圖生圖模式以及ControlNet，可以靈活的實現局部的優化調整，這是Midjourney完全不支持的能力，功能的用途簡述在上個話題“先了解SD繪圖工具”中有介紹，簡單講就是我們可以的對畫面的局部進行涂改重新生成，可以是對局部錯誤的生成進行改正，也可以是將新的點子生成到當前的畫面中，相比于PS的創意填充，在SD中你可以對局部輪廓、色彩等更多方向進行生成控制，總之不再是0-1的抽卡階段，而是1-2的聚焦抽卡階段了；

后期優化部分主要是指對整體的風格進行切換或是混合，此前網上流行的IP線稿轉有色稿再轉3D化就是典型的風格轉化，主要是借助主模型或配合Lora等模型的風格特征，轉移到當前的原生圖上，只要控制住“重繪幅度”基本就能保證相似度，借助ControlNet的Tile也能快速幫你應用參考圖的視覺風格，并且當你使用局部調整約束好區域配合模型的切換，你還能夠實現一個風格混合的畫面，只要使用得當，也能生成效果不錯的畫面；

6. 工具混用 當C4D、Blender、Photoshop碰上SD

以ControlNet中的深度、法線來講，其實都不是什么新鮮技術，在3D設計工具中都很常見，這也意味著在應用SD的過程中，我們可以根據預期在其他軟件中完成起手材料來輔助SD生成，這里我放了一個在B站上看見的應用案例，其中就是借助3D軟件完成了基礎的城市地編，然后根據ControlNet的語義分割協議對地編建筑進行了色彩渲染，之后就是導入到SD進行生成以填充相應的細節；

不止3D軟件，我們喜聞樂見的PS其實也支持SD的擴展應用了，這意味著你可以直接在PS中進行更精準的涂繪、制作蒙版、繪制草稿等，加上Beta版PS自帶的創意生成，或許我們可以讓AIGC繪圖之間碰撞出更多的可能性！

【官方Github】https://github.com/AbdullahAlfaraj/Auto-Photoshop-StableDiffusion-Plugin.git

7. 風格模型沉淀復用

關于模型沉淀，自己的話，反正有條件有興趣隨便弄，如果是面向企業辦公的話，則要考慮兩個屬性，一是定制化，二是復用性，即市面上的模型不能滿足，且模型訓練完有反復應用的價值。主模型可以很好的涵蓋行業特征進去，但是煉丹的難度跟成本會比較高，如果說有適合的主模型能夠滿足事物提示詞的理解生成，但是效果不佳，這個時候比較建議訓練Lora模型來微調結果，原因如下；

這里不講具體訓練方法了，網上資源很豐富，這里引用一個概念模型幫助大家理解和消化一下Lora模型；其中訓練Lora的主要任務即“打標”，這個過程有點兒像是幫助AI看圖識物！通過對一批規格統一的素材進行關鍵信息標記，以幫助主模型更深入的理解某個事物或風格，最終并在主模型生成時啟用Lora以達成微調的目的；

訓練方法可以在一些博客或B站上獲取，此處不贅述。

七、如何快速掌握SD的應用

在反復的嘗試和學習過程中，想要盡快熟悉軟件操作，那么自己一頓嘗試后在結合一些教程是比較快的，當你想要更深入的掌握SD并生成更驚艷的效果，我感覺還得是多“抄作業”，方法也很簡單，就是對著相關平臺用戶分享的作品參數對著來，從主模型選取到擴展模型權重，再到正反向提示詞等，全部復刻一邊；

當你這樣做的時候，你會發現有很多好處；

• 首先會減少SD圖片創作的門檻，通過更快的生成高質量圖像來建立更多的自信，并感受到SD美妙之處；
• 在比照調整配置的過程中，可以快速感知到采樣、模型、步幅、提示詞之間奇妙的化學反應；
• 在抄作業的過程中，其實也是SD上手熟練度提升的過程，這比看幾篇文章、添加到收藏夾里有用多了；
• 在搬運他人的提示詞時，自己也能掌握更多的提示詞應用，以及配套模型的觸發詞技巧，當然了，光抄作業還不夠，最好再加上做筆記，把別人的提示詞與配套模型整理下，以后就可以更方便的調用了；

八、展望一下

在前面的部分，探討了AIGC繪圖工具應用到工作流中的思路，以及技巧與AIGC設計的思維培養，同時也暴露了不少AIGC繪圖功能的不足，那么也展望一下吧。

最近有看到在Midjourney設計落地教程里的這么一段話“視覺設計師趕緊轉行吧，花幾個月學的三維軟件，結果幾個通關密語就給實現了”，那么真的是這樣嗎？

事實上Midjourney也只是掌握了一類三維視覺技法而已，當進行商業設計時，依舊是設計思維先行技法輔助，再則，更深入的三維技術甚至三維動畫，AIGC還有待提高，期望以后可以有更驚艷的表現；

目前行業相關模型正在快速豐富，行業化即代表具備一定的工業屬性、商業屬性，雖然還不成熟但值得期待，另外Stable Diffusion玩家的存儲空間應該越來越告急了吧，期待兼容更好的大模型或云服務；

情感化聯想一直是AI發展的重點功課，AIGC繪圖對情緒或感情的理解與表達更是有限，會不會有一天AIGC設計能夠理解需求并洞察出準確的情緒與氛圍表達呢？

多模態輸入輸出同樣值得期待一下，僅是提示詞輸入與靜態圖片輸出怎么能滿足設計行業的欲望呢？比如說我先選個行業模型，然后對話式生成需求理解，并給出設計方案建議和參考材料，再進一步探討方案細節與引入參考，進行一次初步的設計生成，最后就是探討優化再到生成結果之間反復循環，直到把AIGC乙方虐爆為止hhhhh。

又在胡思亂想了，最后也期望本文中的思路與方法能夠對大家有幫助，如有其他疑問或私貨歡迎聯系作者探討～