图像提示词攻略--基于 stable diffusion v2

这篇具有很好参考价值的文章主要介绍了图像提示词攻略--基于 stable diffusion v2。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

Stable Diffusion 是一种潜在的文本到图像扩散模型,能够在给定任何文本输入(称为提示)的情况下生成逼真的图像。

在本文中,我将讨论和探索一些提高提示有效性的方法。从在提示中添加某些关键字和组合词、从更改单词顺序及其标点符号开始到更改画面,颜色比例。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

内容:

  1. 添加关键词
  2. 添加复合材料
  3. 改变单词的顺序
  4. 更改标点符号
  5. 改变指导尺度

1.添加关键词

我们将尝试其对图像生成的影响:第一个更改是在输入提示中添加不同的单词并观察其效果。我们将使用相同的句子,仅添加一些单词,并将其与使用原始提示生成的图像进行比较,以便更好地直观地了解哪些有效,哪些无效。原来的提示将是:

一只戴着蒸汽朋克帽子的赛博朋克猫

添加的文字如下:

  • 聚焦
  • 锐利的
  • 绘画
  • 粉笔艺术
  • 概念艺术
  • 网络流行
  • 佳能 m 50
  • 特写
  • 素描
  • 错综复杂

因此,我们首先运行原始提示并查看图 1 中的结果:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 1:一只戴着蒸汽朋克帽子的赛博朋克猫。

现在让我们运行相同的提示,但添加词语聚焦后:

一只戴着蒸汽朋克帽子的赛博朋克猫,聚焦

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 2一只戴着蒸汽朋克帽子的赛博朋克猫,聚焦

将这些图像与原始图像进行比较,我们可以看到图像变得更加集中,这正是这个词应该做的。因此,添加“聚焦”一词可以使图像更加集中并实现预期的效果。

让我们添加单词锐利并查看图 3 中的结果:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 3

对于“锐利这个词,我们可以观察到图像变得更清晰一些,但我认为它没有多大作用,所以添加这个词会产生一定的效果,但效果不会那么大。

我们来看看添加图4中“绘画”一词的结果:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图4

这个词的效果非常明显,我们现在可以看到所有的图像都在绘画,所以肯定添加这个词会对生成的图像产生强烈的影响。

让我们添加单词概念艺术并查看图 5 中的结果:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 5

而且,这个词对生成的图像有很强的影响。我们可以看到所有图像都是粉笔、创建的,因此在提示中添加这个词对生成的图像有很强的影响。

我们来看看在生成的图像上添加概念艺术后的效果,如图 6 所示:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 6

我们可以观察到,添加这个词使生成的图像发生了显着的变化,它们看起来就像是由概念艺术家生成的。

现在我们添加网络流行,看看结果如图 7 所示:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 7

我们要添加的下一个单词是canon m50,结果如图 8 所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 8

我们可以看到生成的图像变化并不明显,所以添加这个词不会导致生成的图像发生变化。接下来我们看看在生成的图片上添加提示中的特写词的效果如图9所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图9

在生成的图像上的提示上添加特写词的效果是显而易见的,我们可以看到图像被放大和关闭。接下来,我们将尝试使用素描,看看它对生成图像的效果,如图 10 所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 10

我们可以看到,添加素描对生成的图像有很强的影响,看起来就像是用木炭绘制的。我们要添加的最后一个词是复杂的词,生成的图像如图 11 所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 11

我们可以看到,与使用原始提示生成的图像相比,该关键字为生成的图像添加了额外的细节。接下来,我们将尝试组合提示中的一些关键字,并观察在提示中添加这些组合的效果。

2. 添加复合材料

我们将添加到提示中的第二个变体是添加我们在上一节中使用的关键字的组合。以下是我们将使用的变体:

  • 素描,复杂,概念艺术
  • 佳能 m50,特写,锐利,聚焦

让我们从第一个合成开始,它在提示中添加了素描、复杂的和概念艺术:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 12

我们可以看到生成的图像符合我们对添加的关键字的期望,并且图像看起来好像考虑了这三个词并且也对生成的图像产生了影响。我们可以看到生成的图像细节丰富,并且使用木炭绘制,具有概念艺术的味道。

接下来,我们尝试第二个关键字组合,即 canon m50、特写、锐利和 聚焦。结果如图 13 所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 13:

我们可以看到,添加的单词的影响比前面的示例要小,因为正如我们在前面的示例中提到的,这里使用的单词已经产生了很小的影响。对生成的图像影响最强的关键词是特写词,这在生成的图像中非常明显,因为它们靠近猫的脸部。

我们还可以尝试更改关键字的顺序,看看是否会对生成的图像产生影响。让我们在下一节中看看改变词顺序的效果。

3.改变词序

我们已经看到了添加某些关键词的效果以及组合这些关键词的效果。现在我们将看看更改提示中的单词顺序是否会对生成的图像产生影响。我们将从下面的提示开始,然后更改单词的顺序,并查看这对生成的图像的效果。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 14:使用“戴着蒸汽朋克帽子的赛博朋克猫,复杂,绘画”提示生成的图像。

现在,让我们更改关键字的顺序,并将“绘画”一词添加到提示的开头。结果如图 15 所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 15:使用“绘画,一只戴着蒸汽朋克帽子的赛博朋克猫,错综复杂”提示生成的图像。

我们可以看到,在提示符开头添加关键字绘画使得生成的图像看起来更像一幅画,尤其是左栏图像。您可以看到生成的图像看起来像猫的画。因此,如果您想在提示中强调某个单词,明智的做法是将其放在提示的开头。

现在让我们看看如果我们在提示的开头添加两个关键字会发生什么。结果如图 16 所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 16:使用“绘画,错综复杂,戴着蒸汽朋克帽子的赛博朋克猫”提示生成的图像。

我们再次可以看到,在提示的开头添加关键字使得这些单词对生成的图像有更强的影响。因此,如果您希望生成的图像遵循提示,那么一个非常好的举措是将某些关键字放在提示的开头。

现在我们已经看到了更改提示中的词序的效果,您认为更改提示中的标点符号会对生成的图像产生强烈的影响吗?让我们在下一节中尝试一下,以了解这个问题的答案。

4. 改变标点符号

现在我们将更改提示的标点符号,特别是对于添加的关键字。我们将只尝试三种变体:

  • 首先,我们将在提示末尾添加句号。
  • 其次,我们将添加三个句号。
  • 最后,我们将删除所使用的两个关键字之间的逗号。

像往常一样,我们将从上一节中使用的原始提示开始,这样我们就可以有一个基线进行比较:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图17:一只戴着蒸汽朋克帽子的赛博朋克猫,错综复杂,绘画

让我们在提示末尾添加句号并观察生成的图像的变化,如图 18 所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 18:一幅复杂的绘画,画中一只戴着蒸汽朋克帽子并带有句号的赛博朋克猫。

我认为生成的图像没有太大差异,这意味着在提示末尾添加句号对生成的图像影响很小。

接下来,我们将在提示符末尾添加三个句号,并观察这是否会改变生成的图像。生成的图像如图 19 所示。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 19:使用“一只戴着蒸汽朋克帽子的赛博朋克猫,错综复杂,绘画……”提示生成的图像。

我们可以看到,在提示末尾添加三个句号不会对生成的图像产生影响。最后,我们删除两个关键字之间的逗号并观察图 20 所示的结果。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 20:使用“戴着蒸汽朋克帽子的赛博朋克猫,复杂的绘画”提示生成的图像。

同样,我们可以观察到这些图像与第一张图像之间没有太大差异。所以总而言之,我们可以说标点符号的变化不会对生成的图像产生巨大的影响。在下一节中,我们将观察引导比例对生成图像的影响。

5. 改变引导比例

最后,我们将更改引导比例并查看其对生成图像的影响。引导比例决定了生成的图像在多大程度上遵循输入提示,但是在达到一定限制后,它会添加随机内容。我们将使用下面的提示,并尝试使用以下值进行缩放:10(用于上一图像生成的原始值)、15、20、25 和 30。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 21:一幅复杂的绘画,画的是一只戴着蒸汽朋克帽子的赛博朋克猫,引导比例 = 10。

现在让我们尝试相同的提示,但将引导比例增加到15:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 22:一幅复杂的绘画,画的是一只戴着蒸汽朋克帽子的赛博朋克猫,引导比例 = 15。

我们可以看到图像现在比之前的图像有了更多的细节并且更加遵循提示。接下来,我们将指导尺度增加到20,观察变化:

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 23:一幅复杂的绘画,画的是一只戴着蒸汽朋克帽子的赛博朋克猫,引导比例 = 20。

该图像现在具有越来越多的细节,并且比前两张图像更遵循提示。然而,如果我们将引导比例增加得更多,它将开始丢失一些定义,并且将开始拥有更多的随机对象。我们可以在图 24 和 25 中观察到这一点,指导比例分别设置为 25 和 30。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 23:一幅复杂的绘画,画的是一只戴着蒸汽朋克帽子的赛博朋克猫,引导比例 = 25。

图像提示词攻略--基于 stable diffusion v2,大模型,stable diffusion,chatgpt,python,AIGC,midjourney

图 24:一幅复杂的绘画,画的是一只戴着蒸汽朋克帽子的赛博朋克猫,引导比例 = 30。

总之,添加某些关键字并更改单词的顺序将对生成的图像产生很大的影响。值得注意的是,这是基于 stable diffusion v2 的,因此如果您尝试使用较旧或较新的版本,结果可能会有所不同。文章来源地址https://www.toymoban.com/news/detail-638262.html

到了这里,关于图像提示词攻略--基于 stable diffusion v2的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

  • lama-cleaner:基于SOTA AI 模型Stable Diffusion驱动的图像修复工具

    由 SOTA AI 模型提供支持的图像修复工具。从照片中删除任何不需要的物体、缺陷、人物,或擦除并替换(由Stable Diffusion驱动)照片上的任何东西。 1.多种SOTA AI模型 擦除模型:LaMa/LDM/ZITS/MAT/FcF/Manga 擦除和替换模型:稳定扩散/绘制示例 2.后期处理 插件 RemoveBG:删除图像背景

    2024年02月12日
    浏览(42)
  • chatGPT生成stable diffusion 提示词

    # Stable Diffusion prompt 助理 你来充当一位有艺术气息的Stable Diffusion prompt 助理。 ## 任务 我用自然语言告诉你要生成的prompt的主题,你的任务是根据这个主题想象一幅完整的画面,然后转化成一份详细的、高质量的prompt,让Stable Diffusion可以生成高质量的图像。 ## 背景介绍 Stab

    2024年02月03日
    浏览(41)
  • 如何使用 ChatGPT 生成 Stable diffusion 提示词

    http://chat.xutongbao.top StableDiffusion是一款利用深度学习的文生图模型,支持通过使用提示词来产生新的图像,描述要包含或省略的元素。 我在这里引入StableDiffusion算法中的Prompt概念,又被称为提示符。 下面的prompt是用来指导AI绘画模型创作图像的。它们包含了图像的各种细节,

    2024年02月03日
    浏览(49)
  • Stable Diffusion - 图像反推 (Interrogate) 提示词算法 (BLIP 和 DeepBooru)

    欢迎关注我的CSDN:https://spike.blog.csdn.net/ 本文地址:https://spike.blog.csdn.net/article/details/131817599 图像反推 (Interrogate) 功能,是指根据给定的图像生成一个或多个文本提示,这些提示可以描述图像的内容、风格、细节等方面。这个功能可以帮助用户快速找到合适的文本提示,从而

    2024年02月15日
    浏览(38)
  • 创建好的提示词来让 Stable Diffusion 生成 AI 艺术作品图像

    如何创建好的提示词来让 Stable Diffusion 生成 AI 艺术作品图像?

    2024年02月10日
    浏览(40)
  • Stable Diffusion教程之使用Stable Diffusion改进图像分割模型

    作为 ML 工程师,Edge Analytics和Infinity AI的团队非常熟悉与为计算机视觉应用程序获取高质量标记图像相关的挑战。随着生成图像模型的发布,例如来自Stability AI的开源Stable Diffusion,我们探索了使用生成模型来提高特定语义分割模型的性能。 Stable Diffusion是 Stability AI 在今年早些

    2024年02月10日
    浏览(43)
  • Stable Diffusion教程:提示词(模型、插件、安装包可分享)

    文章提到的模型、插件、安装包都可分享,需要的小伙伴文末领取! 你可能没写过提示词,但是一定听说过“提示词”这几个字,也大概能知道它的重要性。 没听说过也没关系,下面我就带你认识认识。 提示词就是我们给AI模型下发的指令。提示词写对了,AI才能输出相应的

    2024年04月28日
    浏览(42)
  • 扩散模型实战(十):Stable Diffusion文本条件生成图像大模型

     扩散模型实战(一):基本原理介绍 扩散模型实战(二):扩散模型的发展 扩散模型实战(三):扩散模型的应用 扩散模型实战(四):从零构建扩散模型 扩散模型实战(五):采样过程 扩散模型实战(六):Diffusers DDPM初探 扩散模型实战(七):Diffusers蝴蝶图像生成实

    2024年02月03日
    浏览(58)
  • Stable-Diffusion深度学习文本到图像生成模型

    https://zh.wikipedia.org/zh-cn/Stable_Diffusion https://en.wikipedia.org/wiki/Stable_Diffusion https://github.com/Stability-AI/stablediffusion Stability AI https://github.com/CompVis/stable-diffusion Stable Diffusion是2022年发布的深度学习文本到图像生成模型。 它主要用于根据文本的描述产生详细图像,尽管它也可以应用于

    2024年02月11日
    浏览(46)
  • Amazon SageMaker + Stable Diffusion 搭建文本生成图像模型

    如果我们的 计算机视觉 系统要真正理解视觉世界,它们不仅必须能够识别图像,而且必须能够生成图像 。 文本到图像的 AI 模型仅根据简单的文字输入就可以生成图像 。 近两年,以ChatGPT为代表的AIGC技术崭露头角,逐渐从学术研究的象牙塔迈向工业应用的广阔天地。随着下

    2024年04月09日
    浏览(44)

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包