【Stable Diffusion案例教程】如何制作3D立体字场景效果

前言

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,以及在提示词指导下进行图生图的绘图模式。

基于开源的优势,SD有着庞大的用户社群,其中又包含着大量的优秀创作者和优质模型。


本次案例以“四季”为题目,进行立体字场景图的制作。

👇下面是本次要制作的图片效果👇

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,以及在提示词指导下进行图生图的绘图模式。

基于开源的优势,SD有着庞大的用户社群,其中又包含着大量的优秀创作者和优质模型。


本次案例以“四季”为题目,进行立体字场景图的制作。

👇下面是本次要制作的图片效果👇

(仅做案例)

下面开始以“春”为案例演示过程

—— ·①· ——

制作蒙版

使用图像编辑软件做一张黑白蒙版图,会3D软件的可以用3D软件做,blender,C4D,3DMAX都行,为了节约时间,这里用 Photoshop 简单制作。

打开 Photoshop 新建空白文件设置尺寸512×768、512×960,有自己尺寸的填自己尺寸,设置完成后,在新空白文件里**添加文字“春”**字体按自己喜好设置,一般毛笔字比较出效果。

选中文字图层,打开上方**“**3D选项”点击“从所选图层新建3D模型”

这里几个模式对应着**“旋转”“滚动”“拖动”“滑动”“缩放”**

更改为3D模式之后,调整模型到合适的角度,鼠标放在蓝色指针与立方体中间的位置,出现**“沿Z轴缩放”**后按着鼠标往回拉,设置字体厚度。

最后把绿色框框圈起来的两个图层隐藏掉,按 Ctrl+Shift+Alt+W 把图片导出为 JPG 或 PNG 文件格式。

—— ·②· ——

打开软件

打开Stable Diffusion软件,准备好模型ReVAnimated_v122,以及名为3D电商模型V1的Lora。(在文章最后有下载地址)

提示词文本框填入我们要生成的提示词

materpiece,best quality,A shape made of grass,(grass:1.2),Green grassland,flower,the foreground is plants,forest scene,naturalism,blue sky,white clouds,depth of field,studio lighting,Realistic rendering details,c4d,blender,octane render,8k,lora:3D电商模型V1\_v1.0:0.7

反向词:

nfsw,(worst quality, bad quality:1.3)

—— ·③· ——

**参数设置
**

**采样方法:**DPM++ 2M Karras

**迭****代步数:**30

**高分辨率修复:**4x-UltraSharp 2倍 重绘幅度0.5

**宽高:**512×960

ControlNet:

将刚才制作好的蒙版图放进单元0,选择Lineart控制类型,invert预处理器,控制权重1.5,控制终止时机0.9

把制作好的蒙版图再放进单元1,**选择depth控制类型,控制权重0.45,**这一步是为了更好得区分前后关系。

—— ·④· ——

**最后挑选合适的图片
**

—— ·⑤· ——

将挑选好的图片放进PS进行排版再设计

以此类推制作其他季节的海报

**这一步没有什么技巧,就是按照基础排版方法堆放文字。****注意对齐,**前期可以去收集好看的的海报版式模仿创作


感谢您看完整篇教程,如果觉得教程内容还不错的话请记得点个大大的赞!

但由于AIGC刚刚爆火,网上相关内容的文章博客五花八门、良莠不齐。要么杂乱、零散、碎片化,看着看着就衔接不上了,要么内容质量太浅,学不到干货。

这里分享给大家一份Adobe大神整理的《AIGC全家桶学习笔记》,相信大家会对AIGC有着更深入、更系统的理解。

有需要的朋友,可以点击下方免费领取!

在这里插入图片描述

AIGC所有方向的学习路线思维导图

这里为大家提供了总的路线图。它的用处就在于,你可以按照上面的知识点去找对应的学习资源,保证自己学得较为全面。如果下面这个学习路线能帮助大家将AI利用到自身工作上去,那么我的使命也就完成了:
在这里插入图片描述

AIGC工具库

AIGC工具库是一个利用人工智能技术来生成应用程序的代码和内容的工具集合,通过使用AIGC工具库,能更加快速,准确的辅助我们学习AIGC
在这里插入图片描述

有需要的朋友,可以点击下方卡片免费领取!

在这里插入图片描述

精品AIGC学习书籍手册

书籍阅读永不过时,阅读AIGC经典书籍可以帮助读者提高技术水平,开拓视野,掌握核心技术,提高解决问题的能力,同时也可以借鉴他人的经验,结合自身案例融会贯通。

在这里插入图片描述

AI绘画视频合集

我们在学习的时候,往往书籍源码难以理解,阅读困难,这时候视频教程教程是就很适合了,生动形象加上案例实战,科学有趣才能更方便的学习下去。

在这里插入图片描述

生成3D场景的过程涉及多个步骤,通常结合Stable Diffusion3D建模工具来实现。以下是具体的流程和技术要点: ### 1. **文本提示输入** 首先,需要提供一个描述性的文本提示(prompt),该提示将指导模型生成符合预期的图像内容。例如,“一座未来主义风格的城市,夜晚,霓虹灯光闪烁”。 ### 2. **生成2D图像** 利用Stable Diffusion模型,根据提供的文本提示生成一张或多张2D图像。这些图像可以作为后续3D建模的基础[^2]。 ```python # 示例代码:使用Stable Diffusion生成2D图像 from diffusers import StableDiffusionPipeline # 加载预训练的Stable Diffusion模型 pipe = StableDiffusionPipeline.from_pretrained("CompVis/stable-diffusion-v1-4") pipe = pipe.to("cuda") # 如果有GPU支持,可以加速生成过程 # 输入文本提示 prompt = "A futuristic city at night with neon lights" image = pipe(prompt).images[0] # 保存生成的图像 image.save("futuristic_city.png") ``` ### 3. **纹理映射** 生成的2D图像可以用于纹理映射到3D模型上。这一步骤可以通过3D建模软件(如Blender、Maya等)完成,将生成的图像作为材质贴图应用到3D模型表面[^1]。 ### 4. **模型参考与场景构建** 在生成3D场景时,可以使用生成的2D图像作为参考,帮助构建更精确的3D模型。通过引入相机姿态(camera pose)信息,可以在不同视角下生成一致的图像,从而提高3D场景的真实感和一致性[^4]。 ### 5. **3D模型生成** 为了生成3D模型,可以采用一些特定的技术或插件,如ControlNet,它可以帮助控制生成图像的姿态和结构。此外,还可以使用其他3D生成工具(如NeRF、DeepSDF等)将2D图像转换为3D模型[^5]。 ```python # 示例代码:使用ControlNet进行精细控制 from diffusers import StableDiffusionControlNetPipeline, ControlNetModel # 加载ControlNet模型 controlnet = ControlNetModel.from_pretrained("lllyasviel/sd-controlnet-canny") pipe = StableDiffusionControlNetPipeline.from_pretrained( "runwayml/stable-diffusion-v1-5", controlnet=controlnet ) pipe = pipe.to("cuda") # 输入文本提示和边缘检测图像 prompt = "A futuristic city at night with neon lights" canny_image = ... # 这里应提供一个边缘检测图像作为控制信号 image = pipe(prompt, image=canny_image).images[0] # 保存生成的图像 image.save("futuristic_city_controlled.png") ``` ### 6. **3D场景优化** 最后,可以通过多次迭代和优化,调整3D模型的细节,确保场景中的各个元素协调一致。可以使用基于SDS(Score Distillation Sampling)的方法进一步优化3D场景[^4]。 --- ###
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值