当前位置:AIGC资讯 > AIGC > 正文

2024年大数据最全AI绘画普及课【二】文生图入门_平铺 分块 (tiling)(3),2024年最新稳进大厂


网上学习资料一大堆,但如果学到的知识不成体系,遇到问题时只是浅尝辄止,不再深入研究,那么很难做到真正的技术提升。

需要这份系统化资料的朋友,可以戳这里获取

一个人可以走的很快,但一群人才能走的更远!不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人,都欢迎加入我们的的圈子(技术交流、学习资源、职场吐槽、大厂内推、面试辅导),让我们一起学习成长!

室内、室外:indoor/outdoor 大场景:forest, city, street 小细节:tree, bush, white flower

比如:树木,灌木,白色的花,(林间)小路

1girl, walking, forest, path, sun, sunshine, shining on body, white dress, blonde hair, long hair, smiling, stretching arms, hands up, beautiful, happy,
trees, bush, white flower, outdoor,

(3) 环境光照
白天、黑夜:day / night 特定时段:morning, sunset 光环境:sunlight, bright, dark 天空:blue sky, starry sky

比如:白天、阳光、蓝天、多云的天空

1girl, walking, forest, path, sun, sunshine, shining on body, white dress, blonde hair, long hair, smiling, stretching arms, hands up, beautiful, happy,
trees, bush, white flower, path, outdoor,
day, sunlight, blue sky, cloudy sky,

(4) 补充:画幅视角
距离:close-up(特写),distant 人物比例:full body, upper body 观察视角:from above, view of back 镜头类型:wide angle, Sony A7

比如特写:

1girl, walking, forest, path, sun, sunshine, shining on body, white dress, blonde hair, long hair, smiling, stretching arms, hands up, beautiful, happy,
trees, bush, white flower, path, outdoor,
day, sunlight, blue sky, cloudy sky, close-up

可以把这四个分类叫做“内容型提示词”,然而,只有内容型的提示词,你画出的东西很大概率不会让你满意,这里,我们需要引入其他的提示词,来给这个画面打一剂强心针。

首先是画质,因为在AI学习的图片里,有些是高清的,有些质量比较模糊,我们可以用这样的提示词,让他盯着哪些高清的去看。

(5) 画质提示词
通用高画质:best quality, ultra-detailed, masterpiece, hires, 8k 特定高分辨率类型:extremely detailed CG unity 8k wallpaper(超精细的8K Unity游戏CG), unreal engine rendered(虚幻引擎渲染)

比如:最高的质量,超级细节,杰作,高分辨率,8K(分辨率),超细节的Unity CG壁纸

1girl, walking, forest, path, sun, sunshine, shining on body, white dress, blonde hair, long hair, smiling, stretching arms, hands up, beautiful, happy,
trees, bush, white flower, path, outdoor,
day, sunlight, blue sky, cloudy sky, close-up,
best quality, ultra-detailed, masterpiece, hires, 8k,extremely detailed CG unity 8k wallpaper, unreal engine rendered

(6) 画风提示词
插画风:illustration, painting, praintbrush 二次元:anime, comic, game CG 写实系:photorealistic, realistic, photograph

比如:绘画,插画,动画,游戏CG

1girl, walking, forest, path, sun, sunshine, shining on body, white dress, blonde hair, long hair, smiling, stretching arms, hands up, beautiful, happy,
trees, bush, white flower, path, outdoor,
day, sunlight, blue sky, cloudy sky, close-up,
best quality, ultra-detailed, masterpiece, hires, 8k,extremely detailed CG unity 8k wallpaper, unreal engine rendered
painting, illustration, anime, game CG

(5)、(6)可以称为标准化的提示词。

(7) 提示词模板
描述人物:
(1girl:2.0), solo, nilou \(genshin impact\), solo, long hair, jewelry, blue gemstone, earrings,horns, crown, cyan satin strapless dress, white veil, neck ring, red hair, {green eyes},

描述场景:
indoor, room, house, sofa, wooden floor, plant, flowers, trees, windows,

描述环境(时间、光照):
day, morning, sunlight, dappled sunlight, backlight, light rays, cloudy sky

描述画幅视角:
full body, wide angle shot, depth of field

其他画面要素:
light particles, fantasy, wind blow, maple leaf, dusty,... (其他往后增加)

高品质标准化:
{{masterpiece}}, {best quality}, {highres}, original, reflection, unreal engine, body shadow, artstationextremely detailed CG unity 8k wallpaper

画风标准化:
(illustration), (painting), (sketch), anime coloring, fantasy,

其他特殊要求:
exaggerated body proportions, greasy skin, realistic and delicate facial features, SFW

3、权重与负面提示词

(1) 提示词的权重

如下咒语,

SFW, 1girl, walking, forest, path, sun, sunshine, shining on body,yellow skirt and white t-shirt, blonde hair, long hair, smiling, stretching arms, hands up, beautiful, happy.trees, bush, white flower, path, outdoor,
(masterpiece:1.2) , best quality, masterpiece, highres, original, extremely detailed wallpaper, perfect lighting(extremely detailed CG:1.2), drawing, paintbrush.

你会看到很多(),小数点,逗号之类的符号和数字,他们又是做什么的呢?其实,这些内容是用来增强或者是减弱某些提示词的优先级和权重的,比如刚才我们看到这个画面,我们输入了 white flower, 但我们在图片上并没有清晰的看到白色的花,你输入了很多不同的元素给AI,都要他画,但他在处理的时候,不一定get到你最想要的是什么,所以有可能优先花了树和森林,如果你就是特别特别想要百花,那就可以用类似的方式,把白花的权重和优先级增强,去增强的方式有两种:

套括号

() 会使权重变为 1.1 倍,相对于其他元素就更突出。你还可以套多层括号,每套一层,就再乘以1.1倍,三层就是1.331倍。这样花就出来了:

SFW, 1girl, walking, forest, path, sun, sunshine, shining on body,yellow skirt and white t-shirt, blonde hair, long hair, smiling, stretching arms, hands up, beautiful, happy.trees, bush, (((white flower))), path, outdoor,
(masterpiece:1,2) , best quality, masterpiece, highres, original, extremely detailed wallpaper, perfect lighting(extremely detailed CG:1.2), drawing, paintbrush.

括号加数字权重

加了一种括号以后,可以在后面加一个英文冒号,后面可以接一个数字。

SFW, 1girl, walking, forest, path, sun, sunshine, shining on body,yellow skirt and white t-shirt, blonde hair, long hair, smiling, stretching arms, hands up, beautiful, happy.trees, bush, (white flower: 1.5), path, outdoor,
(masterpiece:1,2) , best quality, masterpiece, highres, original, extremely detailed wallpaper, perfect lighting(extremely detailed CG:1.2), drawing, paintbrush.

所以,当你觉得这个画面里有你告诉了AI但他又没有画出来的东西时,就可以借助这些方法来强调。加数字的方式明显更准确,而加括号进行微调的时候就更方便。

比起圆括号,还有这种大括号 {}, 代表1.05倍,调节的效果就细微一点。

削弱提示词

而如果你想削弱某个提示词的影响,就可以赋予它一个小于 1 的权重数值,或者用方括号[], 会把原来的权重削弱成原来的 0.9 倍。调节权重的时候,也要注意一件事情,就是尽量避免个别词条的权重太高,我体验的安全范围在 1 上下 0.5 左右。当你赋予一个词条2左右甚至更高的数值时,他就容易扭曲画面的内容。这个时候我们通常要改换思路。通过更多类型的词条来协助增强它的效应。

总结一下:

进阶语法
(2) 负面提示词

提示词另外一个构成部分,是负面提示词。通俗点说,你希望这个画面里出现什么,就往正向提示词里丢,而不希望出现什么,就往反向提示词里丢。反向提示词是可以没有的,但一般我们也会选择加入一些通用的项目,主要也是基于标准化的考虑,比如:

NSFW, (worst quality:2) , (low quality:2), (normal quality:2) , lowres, normal quality, ((monochrome)), ((grayscale)), skin spots, acnes, skin blemishes, age spot, (ugly:1.331), (duplicate:1.331), (morbid:1.21), (mutilated:1.21), (tranny:1.331), mutated hands, (poorly drawn hands:1.5), blurry, (bad anatomy:1.21), (bad proportions:1.331), extra limbs, (disfigured:1.331), (missing arms:1.331), (extra legs:1.331), (fused fingers:1.61051), (too many fingers:1.61051), (unclear eyes:1.331), lowers, bad hands, missing fingers, (((extra arms and legs))),

(3) 出图参数详解

如果说提示词是咒语,那出图参数就像是魔法师的魔杖和魔导书一样,空着了这个咒语的具体释放形式。

采样迭代步数

AI 生成图像会经过一个加噪再去噪的过程,而去噪就是在用像素一点点模拟你的最终要生成的这个图像,每模拟一次,画面就会变得更清晰一点。理论上,采样迭代步数越多,肯定最终效果越清晰,但实际上,当步数大于20步以后,后面的提升不大。而增加步数肯定意味着更长的计算时间。所以,默认的采样步数一般都是 20。你算力充足,且想追求更高的清晰度,就设置为 30-40,最低不要低于 10。

采样方法

采样方法,其实可以简单解释成AI进行图像生成的时候使用的某种特定算法,WebUI提供的采样方法非常多,足足十几个,但其中我们常用到的估计也就4-5个。这其中:

Euler 的两个合适插画风格,出图比较朴素。

DPM 2 和 DPM2 Karras 速度较快。

再具体使用时,我推荐使用带有 ++ 号的,这些都是改进了的算法,无论如何都比上面的更稳定。

另外,大部分模型也有推荐使用某种特定的算法,这可能是模型制作者自己测试过的。比如深渊橘的作者最推荐用的就是SDE Karras。

宽度和高度

代表的就是你最终出图的时候的分辨率,分辨率的设置存在一些隐性限制,默认的分辨率是 512 x 512,但这个分辨率下的图片,哪怕细节再丰富,看起来都是模糊的。设备允许的情况下,我会把他提到 1000 左右。

相同的提示词,用更高的分辨率跑出来,质感就完全不一样了。但是,分辨率设置的太高,也是会有问题的,一是你的显卡显存扛不住;其二,则是分辨率太大了,很容易出现多人、多手、多脚的情况。这个问题我有特殊研究过,它的原因是,AI在进行模拟训练的时候,用的图片的分辨率一般都比较小,如果你的分辨率设置太大,它就会认为你是多张图片拼接而成的,那出现多的人就不奇怪了。

要避免这样的问题出现,一般我们先采用低分辨率绘制,再靠高清修复(Hires Fix) 来放大。它本身其实是额外的做了一次图生图。你也可以反复实验,了解在你当前的设备条件下,什么分辨率是既能保证质量又能兼顾效率的。

面部修复

面部修复一般都要勾选上,它会采用一些对抗算法识别人物面部并进行修复,和我们用的美图App里面智能P脸的功能差不多。

平铺/分块(Tiling)

平铺,是用来生成那种可以无缝贴满整个屏幕的纹理性图片的。如果你没有需要,千万别勾,也是一个让你的画面变的很奇怪的东西。

提示词相关性(CFG Scale)

提示词相关性好理解,它的值越高,AI忠实地反映你的提示词的程度就越高,但和权重一样,我们一般不会浮动太多,7-12 是比较安全的数值,太高容易边型。

随机种子

随机种子也是一个可以用来控制画面内容一致性的重要参数。

生成批次

因为AI绘画的不确定性,即便是同一组提示词,你也需要反复试验,期待它在某个瞬间给你一个完美符合你需要的画面,这个时间过程有时会很漫长,可能会经过几十次、上百次。如果你想让AI一直不断地按照同一组提示词和参数去出图,那就把批次数调高,绘制的过程会不断重复进行。

结束以后,它会生成两样东西——除了每个批次出的图,还会有一张拼在一起的格子预览图,方便你进行对比。所以,你完全可以让它一口气来上个10次20次甚至几百次

每批数量

这个不建议调整,增大可以让你每批次数绘制的图像数量增多。理论上效率会更高,但它同一批绘制的方法是把他们拼接在一起看作一张更大的图片一次去画,所以你的设备不好,非常容易爆显存。

4、提示词到底怎么写?

对于新手,我给大家总结三个快速写提示词的方法:

(1) 翻译大法

其实,无论这些提示词再怎么复杂,它们说的还都是人话。因此,当你不不知道该如何表述的时候,就用自然的语言把你想要画的东西一件件地说出来就好了。还是那句话,SD 不认中文,所以你得先用翻译平台把它转成英文。虽然这些词语表述有时候不绝对准确,但它至少是在帮你接近那个你想要的画面。而有一些功能插件也会帮助你把不准确的意象校正成AI的词典里有的东西,也蛮实用的。目前,也有一些开发者做出了很多提示词的插件,大家可以去探索。

(2) 借助工具

AI 绘画也流行了一段时间了,能意识到提示词难写的人,肯定也不止你我而已。因此,有些人专门开发了一些可以帮助你更好地去书写提示词的工具。

这里,我推荐两个可以用于辅助书写提示词的网站:

http://atoolbox.net

https://ai.dawnmark.cn



既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化资料的朋友,可以戳这里获取

63779)]
[外链图片转存中…(img-S078kLfv-1715585363779)]
[外链图片转存中…(img-5Hy35yKh-1715585363779)]

既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!

由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新

需要这份系统化资料的朋友,可以戳这里获取

更新时间 2024-05-27