AI绘画教程：如何绘制一致性多角度头像
AI绘画教程：如何绘制一致性多角度头像
在AI绘画领域，如何让绘制的角色保持一致的外观是一个重要的问题。目前，使用LoRA（Low-Rank Adaptation）是实现这一目标的最佳方法之一。但是，要训练一个有效的LoRA模型，需要至少15到20张图片的训练集。对于虚构角色来说，如何生成多角度的图片以满足训练集的要求呢？本文将详细介绍如何使用Stable Diffusion（SD）创建一个虚构人物的多视图角色表。
准备工作
首先，我们需要准备一张包含人物多角度视图的图片。这张图应该包含15个不同的视图，尺寸设置为1328×800px，这样在放大两倍后每张小图都能达到512×512px的尺寸。这个尺寸的选择基于稳定扩散输出尺寸必须能被8整除的原则，工作表由8像素的分割线和256×256像素的图像组成。
此外，还需要一个网格图，通过lineart来分割不同的块面。接下来，设置controlnet，第一张图选择openpose_face，以获取人物的15个面部角度。第二张图选择lineart_standard (from white bg & black line)，以获得清晰的表格分区。为了防止小图模式下人脸崩坏，可以增加一个ADetailer的脸部修复插件。
开始生图
设置文生图提示词：
- 大模型：majicmixRealistic_v6.safetensors
- 正向提示词：(a character sheet of a woman from different angles with a grey background:1.4),auburn hair,eyes open,cinematic lighting,Hyperrealism,depth of field,photography,ultra highres,photorealistic,8k,hyperrealism,studio lighting,photography,
- 负向提示词：EasyNegative,canvasframe,canvas frame,eyes shut,wink,blurry,hands,closed eyes,(easynegative),((((ugly)))),(((duplicate))),((morbid)),((mutilated)),out of frame,extra fingers,mutated hands,((poorly drawn hands)),((poorly drawn face)),((bad art)),blurry,(((mutation))),(((deformed))),blurry,((bad anatomy)),(((bad proportions))),((extra limbs)),cloned face,(((disfigured))),gross proportions,(malformed limbs),((missing arms)),((missing legs)),((floating limbs)),((disconnected limbs)),((malformed hands)),((missing fingers)),worst quality,((disappearing arms)),((disappearing legs)),(((extra arms))),(((extra legs))),(fused fingers),(too many fingers),(((long neck))),canvas frame,((worst quality)),((low quality)),lowres,sig,signature,watermark,username,bad,immature,cartoon,anime,3d,painting,b&w,
设置参数：
- 迭代步数：50
- 采样方法：DPM++ 2M Karras
- 尺寸：1328×800px
生成的15个不同角度的人物图片基本保持一致，符合要求。
细节放大
接下来，将图片发送到图生图进行放大。设置重绘幅度为0.55，使用controlnet的teil模型增加细节，控制模式选择“更倾向controlnet”。使用Ultimate SD upscale脚本放大2倍，采用4x-UltraSharp放大算法。生成的最终效果如下：
二次元形象尝试
接下来，尝试绘制二次元形象。使用AnythingV5大模型，绘制一个浅绿色侧马尾女孩的形象：
使用revAnimated大模型，绘制一个粉色头发的长发公主形象：
总结
通过以上步骤，我们可以看到使用Stable Diffusion绘制一致性多角度头像的效果。由于AI绘画的随机性，15个角度的画面可能不会完美一致，但通过controlnet的控制，我们可以更接近理想效果。如果想要更好的结果，可以多尝试生成多次。