AI大赏-一些关键词的出图效果展示

AI绘画

AI 绘画是利用人工智能技术来生成、转换或增强数字图像和艺术作品的过程。这种技术可应用于各种领域,包括数字媒体、游戏开发、电影制作、设计、视觉艺术等。

具体领域有图像生成、图像转换、图像增强、艺术创作,受影响比较到的是数字媒体,同时受益也会比较大。

AI绘画的工具

主流工具或者说技术主要分三种:

  1. Stable Diffusion: 开源技术,遵循使用条款可以免费商用;
  2. Midjourney: 付费后可商用;
  3. DALL·E 2: 付费后可商用;

目前看,Stable Diffusion是很繁荣的。

AI绘画的使用

我使用的是Stable Diffusion WebUI,它提供了丰富的插件和各种个性化的功能。

安装部署方式分为2种:

本地安装

Windows有一件安装包,Mac的安装也有教程,这里不多说了。主要依赖于显卡,但是显卡普遍比较贵,另外Mac真不太建议,速度慢太多。

显卡的话,找到了一张图,可以参考下生图速度

v2-de344b4f3891dca4e19cb3edbe2c382b_r.jpg

云上安装

阿里云

阿里云推出了免费试用

GPU可以领取一个5000计算时的礼包,按照A10的GPU来计算,大概可以用715个小时。也就是每天10小时的话,你可以用2个月的时间,听起来很香。

但是,由于阿里云访问Github之类外国网站的速度很慢,所以最好使用国内资源替代的脚本执行。

Colab

谷歌提供的服务,每天有限额GPU的使用时长,需要科学上网,不是那么友好。

Kaggle

每周20小时的GPU计算资源,可以选择P100或者T4*2。

总结

云上部署Stable Diffusion WebUI基本是使用脚本部署的,轻轻的点击一下,然后等待执行完成,直接打开网页就可以使用了。

一般搜索,都可以找到对应的脚本,当然有自己技术基础的,可以自己编写脚本。

以上,阿里云的A10速度最快。

AI参数

在大模型之外,对生图影响最大的应该是参数了。这里,分享几个我自己的参数和图的效果,大家借鉴借鉴。

简单参数的Girl
Prompt:
a young woman, street, laughing, ponytails, (hdr:1.3), (muted colors:1.2), dramatic, complex background, cinematic, filmic, (rutkowski, artstation:0.8), soaking wet,

Negative Prompt:
(nsfw:2),Multiple people,easynegative,(worst quality:2),(low quality:2),lowres,(monochrome:1.4),(grayscale:1.4),big head,severed legs,short legs,missing legs,acnes,skin blemishes,age spot,backlight,(ugly:1.4),(duplicate:1.4),(morbid:1.2),(mutilated:1.2),mutated hands,(poorly drawn hands:1.4),blurry, (bad anatomy:1.4),(bad proportions:1.4),(disfigured:1.4),(unclear eyes:1.4),bad hands, bad tooth,missing fingers,extra digit,bad body,NG_DeepNegative_V1_75T,glans,EasyNegative:0.5,gross proportions.short arm,(missing arms:1.4),missing thighs,missing calf,mutation,duplicate,morbid,mutilated,poorly drawn cloth,strange finger,bad finger,(mutated hands and fingers:1.4),(text:1.4),bad-artist, bad_prompt_version2, bad-artist-anime, bad-hands-5, bad-image-v2-39000,

Setting:

image.png

Run Result:

image.png image.png image.png image.png

PNG Info:

Steps: 30, Sampler: DPM++ 2M Karras, CFG scale: 8.5, Seed: 2542122701, Face restoration: CodeFormer, Size: 768x1024, Model hash: cbbe150c06, Model: JujiaoAI_V98fp16

总结

描述虽然很简单,但是元素基本都在

  1. 主体:一个年轻的女性;
  2. 地点:街道、复杂的背景
  3. 表情:大笑
  4. 细节:辫子、湿透的
  5. 质量:HDR
  6. 颜色:柔和
  7. 动作:动态
  8. 光影效果、特效:电影级别的
  9. 艺术家:超现实主义的艺术家扛把子 rutkowski

关键词虽少,但是五脏俱全。维度全了,其实会限制AI自己出现一些我们不想要的部分。

改造:绿野仙踪
按照维度替换关键词

将上面的关键词作个替换,然后看下效果

  1. 主体:a young woman -> 1girl, 22yo, (skinny:1.1), bride, sexy, cute,
  2. 地点:street、complex background -> landscape, mountains,
  3. 表情:laughing -> smiling,
  4. 细节:ponytails、soaking wet -> (a dreamy plant sleeveless dress (made of (plant))), V-shaped neckline, multicolored hair, rose headgear, too many details, complex details,
  5. 质量:(hdr:1.3) -> (best quality, masterpiece, 4k, hdr:1.1),
  6. 颜色:(muted colors:1.2),
  7. 动作:dramatic,
  8. 光影效果、特效:cinematic, filmic -> cinematic, filmic, (Sunshine rays:0.6), (best shadow:0.7),
  9. 艺术家:(rutkowski, artstation:0.8),

调整后的Prompt如下,我们一起看下效果吧。

1girl, 22yo, (skinny:1.1), bride, sexy, cute, smiling, (a dreamy plant sleeveless dress (made of (plant))), V-shaped neckline, multicolored hair, rose headgear, too many details, complex details, (best quality, masterpiece, 4k, hdr:1.1), (muted colors:1.2), dramatic, (rutkowski, artstation:0.8),

cinematic, filmic, (Sunshine rays:0.6), (best shadow:0.7),

landscape, mountains,

替换后生图

其他配置都不变,重新执行下,看看生成图的效果。

00103-3758075179.png

控制台看一下参数

image.png

基本效果还算不错吧。

改造:海盗女孩

再替换下环境和衣服

海盗船、海盗帽子、身份是海盗、红发、嘲讽的笑。改造后参数如下:

1girl, 22yo, (skinny:1.1), pirate, sexy, naughty, laughing, pirate hat, red hair, pirate jacket, Raise the corner of the mouth, too many details, complex details, (best quality, masterpiece, 4k, hdr:1.1), (muted colors:1.2), dramatic, (rutkowski, artstation:0.8),

cinematic, filmic, (Sunshine rays:0.6), (best shadow:0.7),

pirate ship, <lora:ghostOfTsushimaStyle_v10:0.5>,

生成图如下,是一名女性海盗,感觉还不错吧。

image.png

以此类比,是不是可以设计出下面的一些场景:

  1. 新娘在酒吧
  2. 新娘在教堂
  3. 新娘在宝马车上哭
  4. 新娘在巴黎
  5. 护士在病房
  6. 学生在教室
  7. 科学家在实验室
  8. 赛博朋克在太空飞船
  9. 斯巴达在月球……

人的想象力是无限的,再加上一个不设限的工具,那么效果会加倍!

改造:新娘买醉
1girl, 22yo, (skinny:1.1), (a dreamy wedding sleeveless dress), V-shaped neckline, sexy, cute, smiling, blue hair, Raise the corner of the mouth, too many details, complex details, (best quality, masterpiece, 4k, hdr:1.1), (muted colors:1.2), dramatic, (rutkowski, artstation:0.8),

cinematic, filmic, (Sunshine rays:0.6), (best shadow:0.7),

bar (for alcoholic drinks), pub, <lora:ghostOfTsushimaStyle_v10:0.5>, <lora:chineseGirlsInWeddingDress_v01:0.8>, 

然后生图如下

保密中……

写在最后

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。

在这里插入图片描述

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。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

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。
在这里插入图片描述
在这里插入图片描述

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。

在这里插入图片描述

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。
在这里插入图片描述

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:/a/542272.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

【嵌入式基础知识学习】AD/DA—数模/模数转换

AD/DA—数模/模数转换概念 数字电路只能处理二进制数字信号&#xff0c;而声音、温度、速度和光线等都是模拟量&#xff0c;利用相应的传感器&#xff08;如声音用话筒&#xff09;可以将它们转换成模拟信号&#xff0c;然后由A/D转换器将它们转换成二进制数字信号&#xff0c…

C语言: 字符串函数(下)

片头 在上一篇中,我们介绍了字符串函数。在这一篇章中&#xff0c;我们将继续学习字符串函数&#xff0c;准备好了吗&#xff1f;开始咯&#xff01; 1.strncpy函数 1.1 strncpy函数的用法 strncpy是C语言中的一个字符串处理函数&#xff0c;它用于将一个字符串的一部分内容…

Linux进阶篇:进程检测和控制:ps命令详细讲解

Linux进程检测和控制&#xff1a;ps命令详细讲解 一、ps命令介绍 Linux中的ps命令是Process Status的缩写。ps命令用来列出系统中当前运行的那些进程。ps命令列出的是当前那些进程的快照&#xff0c;就是执行ps命令的那个时刻的那些进程&#xff0c;如果想要动态的显示进程信…

【WSL】在WIN11安装并使用Linux子系统(Ubuntu)

前言&#xff1a; 最近买了4060Ti 16G&#xff0c;可以尝试在本地实验大模型。一开始尝试使用Vmware搞Linux&#xff0c;发现没有办法加载GPU&#xff08;或者另外有办法没找到&#xff09;。所以只剩下了两条路&#xff1a;要么搞双系统&#xff0c;要么使用WSL&#xff08;W…

TypeScript 忽略红色波浪线

&#x1f468;&#x1f3fb;‍&#x1f4bb; 热爱摄影的程序员 &#x1f468;&#x1f3fb;‍&#x1f3a8; 喜欢编码的设计师 &#x1f9d5;&#x1f3fb; 擅长设计的剪辑师 &#x1f9d1;&#x1f3fb;‍&#x1f3eb; 一位高冷无情的全栈工程师 欢迎分享 / 收藏 / 赞 / 在看…

JavaScript:事件循环机制(同步、异步)(单、多线程)

事件循环机制: 多进程和多线程 1. 进程&#xff1a;程序的一次执行, 它占有一片独有的内存空间 2. 线程&#xff1a; CPU的基本调度单位, 是程序执行的一个完整流程 3. 进程与线程 * 一个进程中一般至少有一个运行的线程: 主线程 * 一个进程中也可以同时运行多个线程, 我们…

论文笔记:A Simple and Effective Pruning Approach for Large Language Models

iclr 2024 reviewer 评分 5668 1 intro 大模型网络剪枝的paper 在努力保持性能的同时&#xff0c;舍弃网络权重的一个子集现有方法 要么需要重新训练 这对于十亿级别的LLMs来说往往不现实要么需要解决依赖于二阶信息的权重重建问题 这同样可能带来高昂的计算成本——>引入…

关于ASP.NET Core WebSocket实现集群的思考

前言 提到WebSocket相信大家都听说过&#xff0c;它的初衷是为了解决客户端浏览器与服务端进行双向通信&#xff0c;是在单个TCP连接上进行全双工通讯的协议。在没有WebSocket之前只能通过浏览器到服务端的请求应答模式比如轮询&#xff0c;来实现服务端的变更响应到客户端&…

边缘计算平台原理、关键功能以及技术优势

1、什么是边缘计算及其工作原理&#xff1f; 边缘计算是一种分布式计算模型&#xff0c;它将数据处理和存储靠近数据源头和最终用户的边缘设备上&#xff0c;从而减少了数据传输和延迟。边缘计算旨在解决云计算模型所面临的问题&#xff0c;例如延迟高、带宽瓶颈和安全性等问题…

[CSS]使用方式+样式属性

层叠样式表&#xff08;Cascading Style Sheets&#xff09;&#xff0c;与HTML一样&#xff0c;也是一种标记语言&#xff0c;其作用就是给HTML页面标签添加各种样式&#xff0c;定义网页的显示效果&#xff0c;将网页内容和显示样式进行分离&#xff0c;提高了显示功能。简单…

[MAUI]集成富文本编辑器Editor.js至.NET MAUI Blazor项目

文章目录 获取资源从源码构建从CDN获取获取扩展插件 创建项目创建控件创建Blazor组件初始化保存销毁编写渲染逻辑 实现只读/编辑功能切换模式获取只读模式状态响应切换事件 实现明/暗主题切换项目地址 Editor.js 是一个基于 Web 的所见即所得富文本编辑器&#xff0c;它由CodeX…

Ja-netfilter(idea激活码破解原理)分析

Ja-netfilter&#xff08;idea破解&#xff09;分析 简介 ja-netfilter是一款可以破解jetbrainsIDE系列的javaagent jar 包。 原理简介 通过javaagent创造修改字节码的时机。通过asm修改相关类&#xff0c;达到hook特定方法的作用。主要依赖power&#xff08;rsa方法hook&a…

设计模式-代理模式(Proxy)

1. 概念 代理模式&#xff08;Proxy Pattern&#xff09;是程序设计中的一种结构型设计模式。它为一个对象提供一个代理对象&#xff0c;并由代理对象控制对该对象的访问。 2. 原理结构图 抽象角色&#xff08;Subject&#xff09;&#xff1a;这是一个接口或抽象类&#xff0…

觉得自己有讨好型人格,怎么办?

生活中&#xff0c;许多人可能有过这样的困扰&#xff1a; 不敢拒绝别人提出的要求&#xff0c;过于草率地作出承诺&#xff0c;等到发现自己无力兑现承诺&#xff0c;又不敢去面对现实、向别人道出真相&#xff0c;只好编造理由和借口来逃避承诺。 跟别人意见不一时&#xff0…

解决jenkins运行sh报process apparently never started in XXX

个人记录 问题 process apparently never started in /var/jenkins_home/workspace/ks-springboot_mastertmp/durable-bbfe5f99(running Jenkins temporarily with -Dorg.jenkinsci.plugins.durabletask.BourneShellScript.LAUNCH_DIAGNOSTICStrue might make the problem cl…

Linux 中 CPU 利用率是如何算出来的?

在线上服务器观察线上服务运行状态的时候&#xff0c;绝大多数人都是喜欢先用 top 命令看看当前系统的整体 cpu 利用率。例如&#xff0c;随手拿来的一台机器&#xff0c;top 命令显示的利用率信息如下&#xff1a; 这个输出结果说简单也简单&#xff0c;说复杂也不是那么容易就…

【Java基础题型】矩阵的对角线求和

一、题目-矩阵 求一个33矩阵对角线元素之和。 输入格式 矩阵 输出格式 主对角线 副对角线 元素和 样例输入 1 2 3 1 1 1 3 2 1 样例输出 3 7 二、参考的知识 这里给大家送点英语单词&#xff0c;记得学习&#xff1a; p r i m a r y. adj.主要的&#xff1b;初…

论文详解:字节万卡集群训练大模型,算力利用率达55.2%

原论文链接&#xff1a;https://arxiv.org/abs/2402.15627 摘要 我们介绍了MegaScale的设计、实现和工程经验&#xff0c;这是一个用于训练大语言模型&#xff08;LLMs&#xff09;的生产系统&#xff0c;其规模超过10,000个GPU。在这个规模上训练LLMs带来了前所未有的训练效率…

Opentelemetry——Signals-Baggage

Baggage Contextual information that is passed between signals 信号之间传递的上下文信息 In OpenTelemetry, Baggage is contextual information that’s passed between spans. It’s a key-value store that resides alongside span context in a trace, making values…

逆向案例二十四——投某界登录接口逆向,扣代码

网址&#xff1a;aHR0cHM6Ly91c2VyLnBlZGFpbHkuY24vbG9naW4uYXNweA 抓包登录接口&#xff1a; 在登录界面登录&#xff0c;不然不会出现login的js文件&#xff0c;按关键词搜索&#xff0c;进入loginjs文件&#xff0c;在文件中搜索&#xff0c;找到疑似加密的位置&#xff0c…