探祕高逼格藝術二維條碼的製作過程-AI繪畫文生圖
前幾天看到幾個逼格比較高的二維條碼，然後自己動手做了一下，給大家看看效果：
1、文生圖（獅子）：
2、文生圖（城市）：
下邊將開始介紹怎麼做的，有興趣的可以繼續讀一讀。
這裡使用的AI繪圖工具是Stable Diffusion，沒有的同學需要去部署一個，計算平臺國內建議使用AutoDL，國外可以白嫖Kaggle的算力，這兩個我都用過。具體怎麼部署網上已經有很多教學，這裡就不多說了，如果大家希望我再寫一篇部署說明，請在評論區留言，人多了可以考慮。
生成藝術二維條碼有兩種方法：
一是直接使用提示詞，也就是文生圖，這樣出來的二維條碼比較漂亮，但是細節很難控制。
二是使用圖生圖，復刻現有圖片的構圖或者姿勢，這樣容易控制細節，但是影象不那麼漂亮。
由於內容比較多，這篇文章先講文生圖，圖生圖後邊再開一篇。
文生圖
這裡文生圖用到的模型是：revAnimated，大家可以去huggingface下載，參考地址：https://huggingface.co/hanafuusen2001/ReVAnimated/tree/main
1、我們以生成獅子二維條碼為例，這裡給的提示詞都是關於生成獅子的，二維條碼部分在後邊。
提示詞：Full Photo shot of a lion, Yoji Shinkawa style, Jean-baptiste Monge, general plan, central composition, entirely on a sheet, Ink painting, expressive painting, watercolor, bold brushstrokes, Concept art, orange, (purple:1.2), gray and white, stylize, intricate detail, 8k, transparent background, (white background:1.4), 3D vector
反向提示詞: Watermark, Text, censored, deformed, bad anatomy, disfigured
2、首先看下幾個主要引數：
- 取樣器： DPM++ 2M Karras
- 取樣步數：30
- 解析度 768 x 768
- 提示詞引導係數： 11
3、然後我們新增兩個ControlNet，用來控制二維條碼部分的處理。這兩個ControlNet都需要將待合成的二維條碼上傳上去。
（1）先看第一個ControlNet的設定，主要是將二維條碼的黑白對比度融入到影象中。
注意這裡設定的幾個引數：
- Control Type：All
- 前處理器：inpaint_global_harmonious
- ControlNet模型：control_v1p_sd15_brightness
- 控制權重：0.35，如果畫面太灰，試試調高這個權重。
（2）再看第二個ControlNet的設定，主要是還原二維條碼細節，讓二維條碼更容易被掃出。
注意這裡設定的幾個引數：
- Control Type：All
- 前處理器：inpaint_global_harmonious
- ControlNet模型：control_v11f1e_sd15_tile
- 控制權重：0.5，如果不容易掃出，可以增大這個引數。
- Starting Control Step：什麼時候開始介入，越早介入，二維條碼越容易識別。
- Ending Control Step：什麼時候結束介入，越晚退出，二維條碼越容易識別。
4、最後點選生成就可以了。
如果生成的圖不美觀或者掃不出，可以嘗試調整ControlNet的各個引數。
ControlNet
1、ControlNet是什麼？
如果我們僅僅使用提示詞，不能精確的控制影象的細節，比如讓人把手舉到什麼高度；或者我們只想複製圖片中的人臉，其它部分可以自由發揮；再或者這裡我們需要一個二維條碼的底圖，這個繪製出的二維條碼必需能掃描出來，不能隨便生成一張。
總結起來就是ControlNet能讓設計者複製參考圖片的構圖或者人體的姿勢。
2、相關引數
前處理器：提取參考圖的特徵，不同的前處理器會提取不同的特徵。
模型：實現不同的影象生成控制，比如人體姿勢、線條控制、影象深度、配色方案等。
權重：值越大，則生成圖越依從參考圖，反之則越依從提示詞。
起始/終止控制步數：ControlNet介入影象繪製的起始和終止取樣步數，取值範圍0-1，是個百分比。
對於二維條碼的例子可以調整權重和開始步驟控制圖片展示效果和二維條碼識別率。
其它
另外測試發現色彩明亮、2.5D或者3D模型的效果更好，比如我嘗試了「國風3」這個模型，感覺出圖效果也還可以，有興趣的可以試試。
以上就是本文的主要內容了，後續我會繼續分享AI應用方面的東西，大家有興趣的及時加我關注(微信公眾號：螢火遛AI)，以免錯過精彩內容。