AI绘画Stable Diffusion【人物三视图】：角色三视图的制作教程

AI绘画Stable Diffusion【人物三视图】：角色三视图的制作教程

引用

CSDN

1.

https://m.blog.csdn.net/coo123_/article/details/142846137

在AI绘画领域，制作人物三视图是一项常见的需求。本文将详细介绍三种实现方式：通过提示词实现、借助三视图LORA模型以及使用ControlNet的openpose模型。每种方法都包含了具体的参数设置和示例图片，帮助读者快速掌握这项技能。

实现方式一：通过提示词实现

三视图提示词格式：

(three views of character:1.2),
(three views of the same character in the same outfit:1.2),
full body,
front,
side,
back,
front view,
side view,
back view,
front view of girl,
side view of girl,
back view of girl,
【主体描述】 simple background,
white background,
masterpiece,
best quality

示例

• 大模型：IP DESIGN | 3D可爱化模型 V4.0
• 正向提示词（主体描述关键词）：

  Prompt：1girl,blonde hair,long hair,princess peach,blue eyes,lips,eyelashes,earrings,crown,hood,casual
  提示词：1个女孩，金发，长发，桃公主，蓝眼睛，嘴唇，睫毛，耳环，皇冠，兜帽，休闲
  

• 反向提示词：

  nsfw,lowres,bad anatomy,bad hands,text,error,missing fingers,extra digit,fewer digits,cropped,worst quality,low quality,normal quality,jpeg artifacts,signature,watermark,username,blurry,artist name
  

• 采样器：Euler a
• 采样迭代步数：25
• 图片宽高：768*512
• CFG：7

相关说明：

1. 这种实现方式可控性不太好，需要大量抽签才能抽到符合要求的图片。
2. 如果出现生成不了三视图中某个视图效果，可以适当提高一下该视图的提示词权重。

实现方式二：借助三视图LORA实现

我们可以在liblibAI的官网，通过关键词"三视图"搜索到相关的LORA。这里有很多支持各种不同风格的三视图LORA模型。这里我们以使用量最大的mw_3d角色ip三视图q版 LORA为示例讲解。该lora模型有支持SDXL大模型的尝鲜版（V2.0.1）和支持SD1.5大模型的版本（最新版V1.1）。

示例

• 大模型：SDXL_1.0
• 正向提示词：

  Prompt：mw_sanshitu,full body,mermaid,simple background,standing，lora:mw_3d角色ip三视图q版_2.0.1:0.9
  提示词：Mw_sanshitu，全身，美人鱼，简单背景，站立
  

• 反向提示词：

  easynegative,dark,bad hands,bad feet,worst quality,low quality,normal quality,bad artist,bad anatomy,blurry
  

• loar：lora:mw_3d角色ip三视图q版_2.0.1:0.9
• 采样器：Euler a
• 采样迭代步数：25
• 图片宽高：1024*768
• CFG：7

上面我们没有加三视图的视角关键词，我们把视角关键词添加一下：

Prompt：mw_sanshitu,full body,front view,side view,back view,mermaid,simple background,standing

相关说明：
这种方式对于创作三视图来说，是相当不错的实现方式，但是没有办法准确的控制主体的姿势。三视图的视角仍然是随机的，虽然可以通过提示词来控制，但是还是需要抽签概率。

实现方式三：使用ControlNet的 openpose模型

这种实现方式主要是通过ControlNet的Openpose插件可以实现人物姿势自由控制，我们借助这个插件生成的3种不同视角的人体姿势，从而达到精准控制人物姿势的3视图效果。

第一步：制作一张人物三视图的特征图片

下面这张三视图的特征图片分别对应人物的：正面、侧面、背面。

相关说明：对于我们来说制作三视图的特征图片并不容易，我们可以在LiblibAI网站或者C站上找一张三视图的真人图片，然后在ControlNet中使用Openpose模型的Openpose预处理器生成一张三视图的特征图片。具体操作如下。

第二步：大模型选择、提示词编写、相关参数设置

• 大模型：AWPortaint V1.4
• 正向提示词：

  Prompt：(three views of character:1.2),(three views of the same character in the same outfit:1.2),1girl,long hair,wear school uniform,a proud and confident smile expression,studio fashion portrait,studio light,pure white background,
  提示词：1个女生，长发，穿着校服，带着骄傲自信的微笑表情，工作室时尚肖像，工作室灯光，纯白色背景
  

• 反向提示词：

  ng_deepnegative_v1_75t,(badhandv4:1.2),(worst quality:2),(low quality:2),(normal quality:2),lowres,bad anatomy,bad hands,((monochrome)),((grayscale)) watermark,moles,large breast,big breast,
  

• 采样器：DPM++ 2M Karras
• 采样迭代步数：30
• 图片宽高：768*512
• CFG：7
• 高分辨率修复：放大算法Lanczos，重绘幅度0.4 重绘采样步数30
• Adetailer插件：脸部模型 face_yolov8n

第三步：ControlNet Openpose模型设置

相关参数设置如下：

• 控制类型：选择"OpenPose(姿态)"
• 预处理器：none (由于上传的是三视图特征图，这里就不需要再设置预处理器了)
• 模型：control_v11p_sd15_openpose

第四步：图片的生成

相关说明：

1. 使用ControlNet的openpose模型制作的三视图相对来说最稳定，每次都可以出三视图的效果。
2. 这种方式可以实现其他任意视图，不仅仅局限在三视图。

总结

上面分享目前最常用的制作三视图的三种方法，在实际应用中，大家可以综合几种方法一起使用，比如结合实现方式二和三，在不同的场景可能会带来更好的效果。