大家好，我是程序员晓晓
关于三视图的制作，很早之前就有些小伙伴留言如何实现，当时只是给了大家制作的实现思路，最近又有些小伙伴提到了这个问题，今天我们就详细讨论一下这个问题，看一下最常见三视图的制作有哪些实现方式。话不多说，我们开整。
一. 实现方式一： 通过提示词实现
三视图提示词格式：
(three views of character:1.2),（three views of the same character in the same outfit:1.2),full body,front,side,back,front view,side vide,back view,front view of girl,side view of girl,back view of girl,【主体描述】 simple background,white background,masterpiece,best quality
下面我们以具体示例看一下效果。
大模型：IP DESIGN | 3D可爱化模型 V4.0模型下载请看文末扫描即可获取）
正向提示词（这里只补充主体描述的关键词）Prompt：1girl,blonde hair,long hair,princess peach,blue eyes,lips,eyelashes,earrings,crown,hood,casual
提示词：1个女孩，金发，长发，桃公主，蓝眼睛，嘴唇，睫毛，耳环，皇冠，兜帽，休闲
反向提示词nsfw,lowres,bad anatomy,bad hands,text,error,missing fingers,extra digit,fewer digits,cropped,worst quality,low quality,normal quality,jpeg artifacts,signature,watermark,username,blurry,artist name,
采样器：Euler a
采样迭代步数：25
图片宽高：768*512
CFG: 7
我们看一下生成的图片效果。
相关说明：
（1）这种实现方式可控性不太好，需要大量抽签才能抽到符合要求的图片。不管是基于SD1.5还是基于SDXL的大模型，很多大模型对于三视图的准确理解还是不到位的。当然如果有能很好理解三视图关键词的的大模型，那这种实现方式也是很好的哈。
（2）如果出现生成不了三视图中某个视图效果，可以适当提高一下该视图的提示词权重。
二. 实现方式二：借助三视图LORA实现
我们可以在liblibAI的官网，通过关键词"三视图"搜索到相关的LORA。这里有很多支持各种不同风格的三视图LORA模型。
这里我们以使用量最大的 mw_3d角色ip三视图q版 LORA为示例讲解。该lora模型有支持SDXL大模型的尝鲜版（V2.0.1）和支持SD1.5大模型的版本（最新版V1.1）。
LORA：mw_3d角色ip三视图q版 V2.0.1 尝鲜版 模型下载请扫描获取哦
该版本使用的是基于SDXL1.0基础版本的底膜。该版本对动物的支持貌似更好了一些。触发词：mw_sanshitu、three view、full body
下面我们以具体示例看一下效果。
大模型：SDXL_1.0
正向提示词
Prompt：mw_sanshitu,full body,mermaid,simple background,standing，lora:mw\_3d角色ip三视图q版\_2.0.1:0.9\
提示词：Mw_sanshitu，全身，美人鱼，简单背景，站立
反向提示词easynegative,dark,bad hands,bad feet,worst quality,low quality,normal quality,bad artist,bad anatomy,blurry
loar: lora:mw\_3d角色ip三视图q版\_2.0.1:0.9
采样器：Euler a
采样迭代步数：25
图片宽高：1024*768
CFG: 7
我们看一下生成的图片效果。
上面我们没有加三视图的视角关键词，我们把视角关键词添加一下：
Prompt：mw_sanshitu,full body,front view,side view,back view,mermaid,simple background,standing
当然也不能每次都能正确理解，但是抽签概率已经很大了。
相关说明：这种方式对于创作三视图来说，是相当不错的实现方式，但是没有办法准确的控制主体的姿势。三视图的视角仍然是随机的，虽然可以通过提示词来控制，但是还是需要抽签概率。
三. 实现方式三：使用ControlNet的 openpose模型
这种实现方式主要是通过ControlNet的Openpose插件可以实现人物姿势自由控制，我们借助这个插件生成的3种不同视角的人体姿势，从而达到精准控制人物姿势的3视图效果。
关于Openpose灵活人物姿势的控制可以参照之前的文章了解。AI绘画Stable Diffusion 中 OpenPose骨骼编辑器 | 以后出图姿势自由了！
下面我们来看一下具体示例操作步骤。
【第一步】：制作一张人物三视图的特征图片。
下面这张三视图的特征图片分别对应人物的：正面、侧面、背面。
相关说明：对于我们来说制作三视图的特征图片并不容易，我们可以在LiblibAI网站或者C站上找一张三视图的真人图片，然后在ControlNet中使用Openpose模型的Openpose预处理器生成一张三视图的特征图片。具体操作如下。
【第二步】：大模型选择、提示词编写、相关参数设置
大模型：AWPortaint V1.4
正向提示词
Prompt：(three views of character:1.2),(three views of the same character in the same outfit:1.2),1girl,long hair,wear school uniform,a proud and confident smile expression,studio fashion portrait,studio light,pure white background,
提示词：1个女生，长发，穿着校服，带着骄傲自信的微笑表情，工作室时尚肖像，工作室灯光，纯白色背景
反向提示词ng_deepnegative_v1_75t,(badhandv4:1.2),(worst quality:2),(low quality:2),(normal quality:2),lowres,bad anatomy,bad hands,((monochrome)),((grayscale)) watermark,moles,large breast,big breast,
采样器：DPM++ 2M Karras
采样迭代步数：30
图片宽高：768*512
CFG: 7
高分辨率修复：放大算法Lanczos，重绘幅度0.4 重绘采样步数30
Adetailer插件：脸部模型 face_yolov8n
【第三步】：ControlNet Openpose模型设置
相关参数设置如下：
控制类型：选择"OpenPose(姿态)"
预处理器：none (由于上传的是三视图特征图，这里就不需要再设置预处理器了)
模型： control_v11p_sd15_openpose
【第四步】：图片的生成
相关说明：
（1）使用ControlNet的openpose模型制作的三视图相对来说最稳定，每次都可以出三视图的效果。
（2）这种方式可以实现其他任意视图，不仅仅局限在三视图。
上面分享目前最常用的制作三视图的三种方法，在实际应用中，大家可以综合几种方法一起使用，比如结合实现方式二和三，在不同的场景可能会带来更好的效果。
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
总结
### 文章总结：《三视图制作方法及AIGC技术展望》#### 三视图制作方式
**一、通过提示词实现**
1. **方法简介**：
- 使用预设的提示词格式来引导AI绘画工具生成三视图。
- 提示词包括正面、侧面、背面给的不同视图描述及主体特征描述。
2. **操作步骤**：
- 编写正向提示词和反向提示词，控制生成图像的质量和风格。
- 设置采样器、采样迭代步数、CFG等参数。
- 运行AI模型，通过大量抽签尝试得到符合要求的三视图图片。
3. **注意事项**：
- 可控性较差，需要大量尝试。
- 提升特定视图提示词的权重可能有助于改善生成效果。
**二、借助三视图LORA实现**
1. **方法简介**：
- 利用LORA（Locally Relevant Activation）模型，在现有大模型基础上进行微调，以优化三视图的生成效果。
2. **操作步骤**：
- 在LiblibAI或相关网站寻找三视图LORA模型。
- 编写所需的提示词，并将LORA权重加入其中。
- 设置模型、采样器、迭代步数等参数。
- 运行AI模型，通过提示词引导生成三视图图像。
3. **注意事项**：
- 三视图视角仍然随机，但成功概率较高。
- 主体姿势较为固定，难以完全控制。
**三、使用ControlNet的Openpose模型**
1. **方法简介**：
- 通过Openpose插件实现对人物姿势的精准控制，生成不同视角下的三视图。
2. **操作步骤**：
- 制作或获取人物三视图的特征图片。
- 选择适当的大模型和编写提示词。
- 设置ControlNet Openpose模型参数，包括控制类型、预处理器和模型选择。
- 运行AI模型，根据Openpose生成的姿态图生成三视图图像。
3. **优势**：
- 稳定性最高，每次都能生成正确的三视图。
- 可实现任意视图，不仅限于三视图。
#### AIGC技术展望
- **广阔前景**：随着人工智能技术的不断发展，AIGC将在游戏、计算等领域得到更广泛应用，系统将更加高效、智能和灵活。
- **学习路径**：文章分享了AIGC领域的学习路线、必备工具、学习笔记、视频教程合集及实战案例，帮助读者系统学习和掌握AIGC技术。
- **融合应用**：AIGC将与人工智能技术紧密结合，在不同领域发挥重要作用，对程序员的影响至关重要。
#### 结语
文章详细介绍了三种实现三视图制作的方法，并结合实际应用场景给出了具体的操作步骤和注意事项。同时，对AIGC技术的未来发展前景进行了展望，为读者提供了全面的学习资源和参考资料，助力读者在AIGC领域不断进步。