|
相比于文生图，图生图功能除了文本提词框以外还多了一个图片框的输入口，因此，我们还可以通过图片来给与AI创作的灵感。 
然后可以看到，在文本输入框的旁边有两个反推提示词的按钮：CLIP是可以通过图片反推出完整含义的句子；DeepBooru是可以反推出关键词组。
上面的那一张图，我们通过两种反推方式得到的提示词分别为：
CLIP——a young boy sitting on a bench with a toy train and a lego train set on the floor next to him, Adam Rex, detailed product photo, a stock photo, lyco art。（一个小男孩坐在长凳上，旁边的地板上放着一辆玩具火车和一辆乐高火车，亚当·雷克斯，详细的产品照片，一张库存照片，莱科艺术，）DeepBooru——shoes, solo, hat, orange_background, yellow_background, smile, socks, black_hair, sitting, sneakers。（鞋子，独奏，帽子，橙色背景，黄色背景，微笑，袜子，黑发，坐着，运动鞋）可以看到两种方式生成的提示词都有些瑕疵，比如第一组里面没有描述小孩的穿着，第二组里面没有描述小孩的性别和周围的物品，所以我们需要手动来补充提示词的信息。写好提示词之后，我们再调整一下宽度和高度，让这个红框刚好匹配我们的图片即可。
接下来，最重要的是这两个参数：提示词相关性和重绘幅度。
我们使用Stable Diffusion中的【X/Y/Z plot】脚本来做一个参数对比，将X轴设置为提示词相关性，取值范围是1-30(+5)，代表着从1到30，每次增加5；将Y轴设置为重绘幅度，取值范围是0-1(+0.2)，代表着从0到1，每次增加0.2 。
这个对比结果，电脑一共需要生成42张图片，结果如下：
可以看到，提示词相关性在6—11中间为最佳，大于11之后，画面的色彩和脸型就开始崩坏了，
尤其是当重绘幅度变大之后，较高的提示词相关性会让AI走向完全不同的画风。
而重绘幅度的大小可以控制生成图与原图的相似度，在对比图中可以看到，0.4时和原图比较接近，0.6时画面就变成了一个小女孩，当然这个数值也会因每幅图的不同而有所差异。
通过对比，我们使用提示词相关性7和重回幅度0.5，绘制如下：接下来是绘图功能，比如我们现在想给这个人物增加一个红色的眼镜，可以使用红色的画笔工具做一个简单的描绘，然后在提示词中增加Red glasses，再点击生成。
如果我们想去掉衣服上的图案，可以先用吸管吸取黄色部分，然后用画笔涂上。
绘图功能的话，每次生成都会重新调整整个画面，但是局部重绘的话可以只改变我们涂抹的部分，现在我们将人物的头部涂抹掉，文字提示改为“一个粉色头发的女孩的脸”，点击生成，就可以将头部换掉了。
我们再使用局部重绘（手涂蒙版），修改一下帽子的部分，增加提示词“猫耳”，点击生成。
我们将这幅图再次放入以图生图中，通过DeepBooru反推关键词，并使用一个新的大模型“AbyssOrangeMix2”和LORA“blindbox”进行重新生成,便将图片改成了这种2.5D的人物风格。当然，目前的图还有不少细节上的瑕疵，我们需要不断地调整参数去让绘图更接近我们想要的状态，包括后期借助PS来进行修补也是非常必要的。但是，我们也能看到图生图功能又拥有的巨大潜力，AI绘图的可操作性方面拥有了更多的想象空间。
|
