AI“创意”全靠“抽卡”？PS“生成式填充”的“精准”角色概念迭代工作流

最新推荐文章于 2025-12-01 06:10:14 发布
原创 最新推荐文章于 2025-12-01 06:10:14 发布 · 1k 阅读 · 9 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能 #设计师 #AIGC #prompt #游戏美术 #技术美术 #游戏

本文旨在解决广大游戏角色概念美术师（Character Concept Artist）在“创意头脑风暴”阶段，所面临的“效率”与“可控性”的“史诗级”矛盾：你是否还在为“想不出10种肩甲设计”而“爆肝”？你是否因为害怕AI（如Midjourney/Stable Diffusion）那“不可控”的“随机性”会“污染”你的设计语言，而拒绝使用AI？ 我们将深入介绍一套“重新定义”AI辅助设计的、工业级的“精准迭代”管线。核心是利用 Adobe Photoshop 作为“主战场”，并联动其“生成式填充（Generative Fill）”功能。通过本指南，你将学会如何不再“抽卡”，而是将AI当成一个“无限素材库”和“局部设计助手”，利用套索工具+生成式填充，对你的“灰阶稿”进行“外科手术式”的“局部变体（Variation）”设计，将AI的“随机性”彻底变为你“艺术主导权”下的“可控变量”。

一、问题背景

做角色概念设计的兄弟们，我敢打赌，你一定经历过这种“灵感枯竭”的“内耗”时刻：

你画完了一个“赛博朋克”士兵的“灰阶大形”，你对“剪影”和“姿态”都非常满意。然后，主美（AD）跑过来说：“很好。现在，给我设计10种不同的“头盔”方案，和8种不同的“肩甲”方案，我们明天开会，挑一下。”

“18种方案”，这几个字，在你耳边如同“丧钟”。

  • “手绘”？ 这意味着，你要在那个“灰阶稿”上，Ctrl+C、Ctrl+V出18个“副本”，然后，开始“吭哧吭哧”地，去“硬画”18种不同的设计。等你画到第5种时，你的“创意”早就“枯竭”了。

  • “AI抽卡”？ 你试着打开Midjourney，输入“赛博朋克士兵头盔”，它“Duang”地一下，给了你4张“神仙”图。但问题是：1. 风格不对；2. 角度不对；3. 透视不对；4. 你没法把它“完美”地“P”到你那张“特定姿态”的“灰阶稿”上！

你感觉，AI要么“帮不上忙”（手绘），要么“帮倒忙”（AI抽卡）。你想要的，是“在我的这张图上，只帮我改改头盔”！

今天，我们就来聊聊，Photoshop的“生成式填充”，是如何“完美”地，解决这个“精准迭代”的“终极”痛点的。

二、核心技术与工具栈

  • 核心设计与迭代平台: Adobe Photoshop 2026

  • AI设计助手: Adobe Firefly (集成于“生成式填充”功能)

三、详细技术实现流程

3.1 第一步：“立骨”——画好你的“灰阶地基”

这是“艺术主导权”的“灵魂”一步。你必须先在PS里，用笔刷或套索，画出一个“你自己”的“灰阶稿（Value Sketch）”。

  • 你的目标： 不用“抠”细节！你只需要“帅”！

  • 你的任务： 把“角色”的“姿态（Gesture）”、“剪影（Silhouette）”和“大光影（Value）”，用“灰阶”100%“画”到位！

  • 师傅的提醒: 这个“地基”，就是你的“艺术签名”。它决定了AI后续“生成”的所有内容，都必须“服务于”你这个“大形”！

3.2 第二步：“AI辅助”——“外科手术式”的“局部迭代” (核心！)

当你“立骨”完毕，现在，我们开始“召唤”AI“打工仔”。

  1. “迭代”10个“头盔” (3分钟搞定):

    • 核心操作:

      • A. 选中你的“灰阶”图层。

      • B. 用套索工具 (L)，“粗略”地（不需要精准！），“圈”出你角色的“头部”区域。

      • C. “上下文工具栏”自动弹出，点击 生成式填充 (Generative Fill) 按钮。

      • D. 在“Prompt（提示词）”输入框里，输入“咒语”（建议用英文，更准）：

      (EN) Prompt: a futuristic sci-fi helmet, chrome and black, intricate details, side view (一个未来的科幻头盔，铬合金与黑色，复杂细节，侧视图)

    • E. 点击 生成 (Generate)！

  2. “开盲盒”:

    • “Boom！” PS会“自动”分析你“圈选”区域的“光影”和“透视”，然后，在属性面板里，给你3个“完美”融合了你“灰阶光影”的“头盔”方案！

    • 不满意？ 再点一次“生成”！又是“3个”全新的方案！

    • 结果: 1分钟内，你“点”了5次，你已经拥有了15个“不同”的、“光影透视100%正确”的“头盔”设计！

  3. “迭代”8个“肩甲” (同理):

    • Ctrl+D取消选区。

    • 用套索工具 (L)，“圈”出“肩甲”区域。

    • 生成式填充 -> 输入Prompt: heavy pauldron, sci-fi armor, intricate

    • 点击“生成”！8个方案，轻松搞定！

3.3 第三步：“AI素材库”——“Kitbashing（拼贴）”工作流

AI不仅能“改”，还能“造”！

  1. “无中生有”:

    • 在你的“灰阶稿”旁边的“空白”画布区域，用选框工具，画一个“方框”。

    • 生成式填充 -> 输入Prompt: a single sci-fi backpack, front view, on white background (一个单独的科幻背包，正视图，白底)

    • 结果: AI会“无中生有”地，为你“画”一个“背包”素材，并自动放在一个“新图层”上。

  2. “3D拼贴”:

    • 你现在，可以把这个“AI生成”的“背包”图层，当成一个“3D零件”，用Ctrl+T、操控变形 (Puppet Warp)、液化 (Liquify)，把它“变形”、“贴合”到你“灰阶稿”的“背部”！

    • 师傅的提醒: 这，就是“AI辅助”的“Kitbashing（模型拼贴）”！AI成了你“无限”的“零件素材库”！

3.4 第四步：“艺术收尾”——拿回“主导权” (灵魂！)

AI帮你“出”了100个“方案”，但它们都是“AI的”。最后“点睛”的，必须是你！

  • “盖”上一层“手绘”:

    • 在所有“AI生成”的图层之上，新建一个“空白图层”。

    • 核心操作: 拿起你的画笔，切换回你自己的“绘画风格”！

    • A. “统一”: 用你的笔触，去“统一”AI生成的“材质”和“笔触”，让它们“长”得更像你“画”的。

    • B. “点睛”: 添加AI“想不出来”的、“有设计感”的“高光”和“反光”。

    • C. “修正”: 擦掉AI生成的“无意义”的“碎线”，强化“大结构”。

  • 结果: 你交付的“最终稿”，是“你的“艺术”（地基） + AI的“效率”（迭代） + “你的“艺术”（收尾）的“完美结合”！

【避坑指南】“AI+PS”工作流最常犯的3个错误:

  1. “被AI‘牵着鼻子走’”: 你“忘了”第一步的“灰阶地基”！你上来，就让AI“生成一个赛博朋克士兵”，结果AI“喂”给你什么，你“就”用什么。请记住：AI是“助手”，你是“导演”！必须先有“你的”地基！

  2. “Prompt‘污染’画面”: 你的“灰阶稿”是“灰”的，但你“生成”了一个“红色”的头盔，导致“色调”完全“割裂”。TA的技巧： 在你的Prompt里，加入“光影”和“色彩”的“限制词”！ > (EN) Prompt: a futuristic sci-fi helmet, grayscale, matching the ambient light > (一个未来的科幻头盔，灰阶的，匹配环境光)

  3. “忘了‘艺术收尾’”: 你把AI生成的“拼贴”稿，直接“交”了。结果，主美一眼就看出来：“你这个头，和这个肩膀，画风（笔触）都不一样！”AI生成的，是“素材”，不是“成品”！最后那层“手绘统一”，是“灵魂”，绝对不能省！

四、成果展示与分析

最终，通过这套“PS灰阶（主导） + AI填充（辅助） + PS手绘（收尾）”的“工业级”工作流，我们彻底“驯服”了AI。

  • 效率的“指数级”提升: 将过去需要“数天”的“方案迭代”，压缩到了“数十分钟”。

  • “可控”的“创意爆发”: AI不再是“随机”的“抽卡机”，而是“可控”的、“指哪打哪”的“局部设计”助手。

  • “艺术家”的“主导权”: 你的“设计语言”、“剪影”、“光影”，从始至终，都100%掌握在你自己手里！AI只是一个“打工仔”。

五、总结与展望

AI浪潮，不是“洪水猛兽”，它是“工业革命”。它“淘汰”的，不是“画师”，它淘汰的是“效率低下”的“画师”。

作为一名现代游戏概念美术师，当你向主美/AD，展示你不仅能“手绘”，更能熟练地，阐述你如何利用“Photoshop生成式填充”的“局部迭代”管线，去“自动化”地“辅助”你的“创意爆发”时，你所展现的，就已经是一位“拥抱”了“次世代工具”的、“效率惊人”的“高级”人才。 这种“驾驭”AI、而不是“被”AI“驾驭”的能力，是你在“AI时代”，保持“核心竞争力”的“唯一”答案。

Adobe Firefly与Photoshop的“原生”整合，是Adobe生态在“AI时代”的“王牌”。我们工作室之所以选用超过6200名设计师都选择的 Kingsman 组织的Adobe Creative Cloud企业全家桶订阅，一个决定性的原因，就是这套订阅，是唯一“完整包含”了Photoshop (集成Firefly AI)、Illustrator、AE，以及对我们游戏美术师而言如同“心脏”般的Substance 3D全家桶（Designer, Painter, Modeler等）的解决方案！ 个人版的全家桶订阅，是不包含Substance 3D套件的。只有这个企业级的订阅，才能让我们将Photoshop的“AI概念设计”、Substance 3D的“材质实现”、AE的“动效”，真正地“串联”起来，构建起业界最顶级的次世代美术管线。

小Tips: 与海外个人订阅相比，在国内直接购买海外个人订阅，容易出现被Adobe风控的问题，一旦被Adobe认定为欺诈（比如无良商家使用盗-刷卡购买的），将会导致个人订阅被取消且不退款，血本无归（严重还会冻Ka后患无穷）。但企业订阅就不会出现这个问题，当企业订阅出现风控问题时，重新加入企业组织就可以重新获得订阅，权益得到进一步保障。

reddingtons
关注
PyTorch生成式人工智能（7）——生成对抗网络(Generative Adversarial Network, GAN)实践详解
盼小辉丶的博客
05-26 5956
生成对抗网络 (Generative Adversarial Network, GAN) 最早由 Ian Goodfellow 于 2014 年提出，其中生成器试图创建与真实样本无法区分的数据样本，而判别器则试图区分生成器生成的样本与真实样本。在本节中，我们将介绍 GAN 的理论基础。然后，介绍如何使用 PyTorch 从零开始构建 GAN，以便了解所有细节，深入理解 GAN 的内部工作原理，为后续讨论 GAN 的其他更高级内容奠定基础，比如生成高分辨率图像或逼真的音乐。
趋势预测：AI创意设计平台的「生成式架构」，如何让普通人轻松变成「设计达人」？
2501_92132293的博客
08-29 906
首先，用通俗语言解释「生成式架构」的核心原理（不用公式，只用比喻和案例）；其次，拆解这类平台的四大核心模块（输入处理、生成模型、优化控制、交互输出），看它们如何协同工作；接着，通过实战案例（如用Stable Diffusion搭建简易文本生成图像工具），展示普通人如何“玩转”生成式架构；最后，分析生成式架构未来的演进趋势，以及普通人如何借势成为「AI时代的设计达人」。
AI总监的“精准生成”之道：用PS参考图像，定向控制生成式填充
reddingtons的博客
07-16 1528
今天，我将分享一个Photoshop“生成式填充”中，许多人尚未发现，但却能极大提升AI生成结果可控性的“隐藏”功能——“参考图像”（Reference Image）。
什么是生成式工作流？
nbspzs的专栏
12-23 885
生成式工作流（Generative Workflow）是一种利用生成式人工智能（如GPT模型或生成式算法）来简化、增强或自动化工作流程的方法。生成式工作流的组织通常需要结合工具、方法和步骤，以确保流程高效、可控且易于迭代。通过清晰的阶段划分和工具组合，生成式工作流可以实现高效的自动化和质量保证。将整个生成式工作流分解为几个关键阶段，并为每个阶段选择适合的工具和方法。将生成式工作流的各阶段模块化，方便维护和扩展，并尽可能实现自动化。输入和输出的格式化和组织对于生成式工作流的高效运行至关重要。
设计师压箱底技巧：巧用Photoshop生成式填充重塑视觉与Premiere Pro文本剪辑颠覆视频工作流
Kingsdesigner的博客
07-08 8397
回首十余载的海外设计生涯，感触良多。很庆幸，能有机会在英国Parvis School of Economics and Music大学深造，更得益于学校提供的正版Adobe Creative Cloud订阅，让我在探索创意表达的道路上心无旁骛，少了很多技术上的羁绊。今天，我想将这十年间沉淀下来的一些心得与压箱底的技巧，与走在设计路上的各位朋友一同分享、探讨。
PS生成式填充的场景融合与PR文本剪辑的叙事重构：一位旅居设计师的十年效率心得
reddingtons的博客
07-03 761
不知不觉，以设计师的身份旅居海外已近十年。这段时光里，创作工具的迭代和工作流的优化，是我始终关注的核心。很庆幸，我一直能通过英国Parvis School of Economics and Music大学提供的Adobe正版教育订阅，第一时间接触到那些最前沿的功能。今天，我想把这十年里沉淀下来的一些真正能提升效率的经验，与大家分享。
机器能做科学家吗？一场关于开放式科研的 AI 革命
热门推荐
曾经“等你生日那天”都遥远得像未来，如今却可欢愉的挥手说“下个十年见”
08-24 10万+
本文基于《The AI Scientist》相关论文，探讨了完全自动化的科研流程，展示了 AI 如何在没有人工干预的情况下，生成研究想法、执行实验、撰写论文并进行评审。核心模块包括大语言模型（LLM）作为“思维核心”、Agent 框架作为执行工具，以及 Aider 编程助手。通过 Diffusion 建模、语言建模和 Grokking 分析等任务的实验，文章评估了 AI 生成的研究论文与人工评审的差异。尽管 AI 在某些任务上表现出潜力，但仍面临创新性不足和实现细节缺失的问题。
创意总监的“造境”心法：用PS生成式AI，从零构建超现实场景
reddingtons的博客
07-13 784
今天，我将分享一个许多设计师尚未完全发掘的、利用Photoshop生成式AI进行“场景凭空创造”的高阶工作流。这不仅是技巧的分享，更是一种全新的、属于AI时代的创意模式。
AI 智能体 | 智能体中的工作流是什么？
usst501的博客
08-13 2216
本节简单介绍了智能体中的工作流的概念，以及用几个身边的小例子通俗易懂的阐述了具体的一个工作流的模式。
“一句话”生成App原型？Adobe XD中的生成式UI（Generative UI）工作流
Kingsdesigner的博客
10-15 1235
通过本指南，你将学到如何通过精准的自然语言指令（Prompt），让AI为你自动生成完整的用户流程、可交互的线框图原型、乃至多种风格的视觉设计变体，将设计的起点，从“一张白纸”，提升到“一个智能的初稿”。
PyTorch生成式人工智能（10）——CyclelGAN详解与实现
盼小辉丶的博客
06-18 5575
本文详细介绍了CycleGAN的原理与实现，这是一种能够在无配对样本情况下学习不同图像域间转换的生成对抗网络。CycleGAN通过引入循环一致性损失，确保转换后的图像能够重建原始图像，从而保留关键特征。文章以黑发与金发人脸转换为例，从数据集处理、模型构建到训练策略进行了完整讲解。
2025大模型时代，智能工作流AI优化引擎如何重构企业流程架构？
Python编程之道的博客
07-26 1065
![智能工作流AI优化引擎：企业流程的智能导航系统]"李总监，华东区的销售预测模型异常警报已处理完毕。"早上8:30，某跨国制造企业的运营总监李明的AR眼镜上弹出这条消息时，他正在前往办公室的路上。昨晚系统自动检测到华东区销售数据与库存预警存在37%的偏差，智能工作流AI优化引擎已启动异常处理流程：自动调取历史销售数据、分析区域市场动态、生成三种调整方案，并同步通知了销售、生产和物流三个部门的负责人。9:15，李明在办公室的全息会议系统中主持简短决策会议。系统已根据各部门负责人的反馈自动优化了方案C，将原需
【二 Deepseek+Coze案例】【2.7 Deepseek结合扣子：一键生成爆款视频的全工作流解析】
商务合作|问题讨论|交流学习 请联系作者微信，加微信请务必注明来意，博客主页有联系方式
07-17 1445
短视频爆款内容AI生成系统技术解析 本文提出基于Deepseek大模型与Coze平台的自动化短视频生成解决方案，实现从选题到分发的全流程智能化生产。系统采用双引擎架构：Deepseek负责内容创意生成（文本/视觉/语音），Coze平台完成工具集成与流程调度。通过热点挖掘、选题评分、脚本生成、分镜设计等7个核心阶段，结合平台差异化爆款特征（如抖音前3秒钩子、小红书干货结构），实现高转化率内容生产。技术实现包括多源热点聚合、AI脚本风格适配、跨模态分镜生成等关键模块，并通过A/B测试持续优化。实验表明，该系统可
向量嵌入：RAG系统背后的语义引擎
uncle_ll的博客
11-29 1200
向量嵌入技术将高维语义信息压缩为低维向量，使相似概念在向量空间中聚集。作为RAG系统的核心，嵌入质量直接影响语义检索效果。从静态词嵌入到动态上下文嵌入，技术不断演进，解决了多义词等难题。现代嵌入模型基于Transformer架构，通过对比学习优化检索性能。选型需考虑MTEB排名、语言支持等维度，并结合业务测试。未来趋势包括多模态融合、知识图谱增强和轻量化部署。嵌入技术已成为NLP领域的关键支柱，其优化对提升RAG系统性能至关重要。
【推荐系统】深度学习训练框架（五）：pyspark分布式TorchDistributor主从读取OSS文件认证机制
人工智能领域博客
11-28 1828
摘要： 本文详细解释了Spark Driver端与Worker端在OSS认证上的核心区别。Driver端通过Spark配置自动认证，而Worker端（独立Python进程）需显式提供认证信息。认证来源优先级为：1)Driver传递参数，2)环境变量，3)IAM角色。文章分析了架构差异导致的不同认证方式，并推荐从Driver传递认证信息的解决方案。当前实现已采用该方案，通过Spark配置或环境变量获取认证后传递给Worker进程，确保PyArrow能正确访问OSS数据。
07_Spring AI 干货笔记之提示词
在科技的浪潮中，我们寻找着创新的火种，在代码的海洋里，我们编织着智慧的网。腾飞开源，就是这样一个由技术精英汇聚而成的博客平台，我们致力于分享在Java、Python、IoT和人工智能等领域的最新研究成果和实战经验。 在腾飞开源的博客上，你会看到紧跟技术前
11-30 1071
本文详细介绍了Spring AI中的提示词核心概念与API设计。提示词作为引导AI模型生成特定输出的关键输入，其结构从简单字符串演进为包含多角色消息的复杂形式。Spring AI通过Prompt和Message接口提供结构化提示词管理，支持系统、用户、助手等角色分配。PromptTemplate类实现动态内容渲染，并支持自定义模板引擎。文章还涵盖提示词工程的最佳实践与令牌机制，为开发者提供完整的提示词设计解决方案。
RAG信息检索全解析：从Embedding到Reranker的超详细教程1
Trb201013的博客
11-27 1426
文章介绍了RAG系统中信息检索环节的核心技术，包括文档段落嵌入和用户查询嵌入，将文本转换为向量表示；详细解释了相似度检索的多种方法，如Top-K检索、MMR策略和Reranker二次排序技术；强调了合理切分策略对嵌入效果的重要性，以及查询扩展技术对提高检索准确度的作用。指出RAG的本质是"开卷考试"，检索质量直接影响最终生成效果。
【LLM】DeepSeekMath-V2模型
发现问题，并解决问题，批判性思维
11-29 806
研究问题：这篇文章要解决的问题是如何在大型语言模型（LLMs）中进行自我验证的数学推理。具体来说，现有的基于最终答案奖励的强化学习方法在数学推理中存在根本局限性，因为正确答案并不能保证推理的正确性，特别是在定理证明任务中。 研究难点：该问题的研究难点包括：如何在不依赖最终答案的情况下验证推理的正确性；如何在生成和验证之间建立有效的迭代改进循环；如何在没有已知解决方案的开放问题上扩展测试时计算。 相关工作：该问题的研究相关工作有：OpenAI的推理模型在定量推理竞赛中取得了显著进展；DeepMind的Deep
LMM-Det：让大型多模态模型在目标检测中脱颖而出
最新发布
AI浩
12-01 734
大型多模态模型因其在多模态理解、推理和上下文学习等方面的卓越能力，在人工智能研究和工业界引起了广泛的关注和兴趣。虽然 LMM 在图像描述、视觉问答和视觉定位等多模态任务上已展现出有前景的结果，但其目标检测能力与专业检测器相比仍存在显著差距。为弥补这一差距，我们摒弃了将重型检测器与 LMM 集成的传统方法，提出了 LMM-Det，这是一种简单而有效的方法，它利用大型多模态模型进行纯目标检测，而无需依赖专门的检测模块。
dify工作流生成word
04-16
### Dify 工作流生成 Word 文档的实现方法 要通过 Dify 构建一个能够生成 Word 文档的工作流，可以按照以下方式设计流程。此过程涉及多个模块的功能组合，包括但不限于逻辑处理、工具集成以及模板转换。 #### 1. *...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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