如今，AI的应用已经遍布各个行业，运用的方式也越来越丰富，越来越多的人尝试将AI参与进自己的工作流程中。

不过在此之前，我们做项目需求的时候也需要评估项目是否适合使用AI辅助，毕竟AI的功能不是万能的，有些地方也存在着它暂时的“硬伤”。

这次我们将以一个活动运营海报需求为案例，分享如何运用AI工具Stable Diffusion对其进行辅助设计(本篇案例使用的是秋叶版本Stable Diffusion)

1，制作前期构思与参考

这次需求是制作一张活动推送图，推送给玩家增加活动热度以及获取更多流量。

需求方希望画面中主要体现IP、信件相关的元素，能给人一种在书写信件的画面感。按照需求方所给到的信息，我们找了批参考图供给需求方确认画面大致感觉。

通过参考图与需求方的沟通后，我们大致确认画面是一张信纸在桌面上，信纸上写着本次活动的相关内容。

2，确定风格＆AI运用

视觉风格上，通过讨论以及参考图的视觉效果，最终还是决定倾向于三维质感，不过这次我们打算尝试运用AI辅助制作整体的画面基调。

因为之前做过一版类似的推送图，所以本次就相当于做一次画面迭代，而用AI来进行画面的迭代也正好是非常合适的。

话不多说，我们先进入到Stable diffusion。首先，我们进入到图生图界面，将垫图素材拖入图生图的图片区域。输入好关键词并调节好参数开始炼图。

关键词如下：The center of the image is a piece of paper on the table, The image is a close-up shot, showing the details of the paper, The image is taken from a bird's-eye view angle, Close-up view, indoors, the scene is bright, The overall picture is bright, The picture is a 3D modeling, C4D, Octane renderer, masterpiece, best quality, highres,  original, reflection, unreal engine rendered, body shadow, extremely detailed CG unity 8k wallpaper, minimalist

(在这里我们使用了toon2 和 COOLKIDS这两个lora模型。模型不唯一，可根据自己需求在C站上自行选择下载。)

反向关键词：(worst quality:2), (low quality:2), (normal quality:2), lowres, ((monochrome)), ((greyscale))

反向关键词就使用一些通用的即可。

参数内容如下：

其中要注意下，在一开始炼图时，重绘幅度需要大概控制在0.5-0.7范围内，避免变化过大破坏构图，也要避免变化过小达不到画面迭代的效果。

接着就可以开始炼图了，这个环节对比Midjourney来说，可以避免花费过多时间炼图，Stable Diffusion的可控制参数比较多，也因此可以更快的炼出接近自己想要的图片。

以上是筛选出的几张图，接着再选出一张图作为本次需求的底图，并开始进行下一环节的操作。

3，SD 放大&重绘功能的使用

我们选择用第二张图作为底图，但是放大后不难发现，它的分辨率低，不清晰。有很多细节也存在缺失的问题。这个时候我们可以对他进行SD放大操作。

1.SD Upscale介绍

SD Upscale也被叫为SD放大，简单理解可以把它看作是图生图中的高清修复。它的工作原理是将要放大的图片均匀的分成多块，分别进行重新绘制，并最终拼回一张图，以此来进行高清放大的效果，于此同时还能为画面添加不少细节。

我们可以在图生图界面中滑至最下方，点击脚本这一栏展开，里面有一个使用SD放大(SD Upscale)，点击选择即可开启。(注意，只有图生图才能使用该脚本)

2.SD Upscale的使用

首先，我们将底图拖入图生图的图片区域，然后打开SD放大，其中放大倍数以及图块重叠像素可以不做变化，放大算法可以选择R-ESRGAN 4X+ 或者R-ESRGAN 4x+ Anime6B(这个偏向二次元一些)。其它也可以尝试，这两个放大算法是我们比较常用的。

接着我们在画面尺寸这里，宽度高度分别在原来的基础上加上图块重叠的像素数值，也就是分别加64.对应着现在的宽度为902.高度为512.加上64后宽度就变为966.高度变为576.

也许很多人疑惑为什么要加上这64像素呢，这里简单解释下。因为SD放大的原理是将一张图分成均匀的多块重新渲染，然后再重新将这几块图片拼回一张图。而为了使拼接部分不会出现断层，割裂等不和谐的感觉，在这四块图片的贴合处增加了一部分区域，算法会利用这部分区域去处理拼接处，使得拼接位置过度的更加自然，整体。

回到正题，设置好后，将重绘幅度调低至0.3-0.35(因为只是用于高清修复，并不想画面内容发生变化，所以此时要保持低重绘幅度)，设置好后就可以开始生成图片了。

以上是高清修复后的图，可看到画面的清晰度肉眼可见地提高了，画面的细节也丰富了不少。但是也存在着一个问题，画面有许多奇怪的物体，以及一些bug存在，这时候就可以开始用到Stable Diffusion的重绘功能了。

3.重绘功能的使用

首先，我们想去掉纸上的内容，并且把桌子上一些杂乱的东西都去掉，我们可以选择把图片导入ps里进行简单的p图处理，然后再导回Stable Diffusion中的图生图，将重绘幅度调低再生成一次即可。(一般重新用图生图输出的图片分辨率都会变低，需要重新用Stable Diffusion放大高清修复一下，然后再在此基础上进行重绘)

紧接着我们开始对画面个别元素进行调整。首先，我们想把右上角的黄色卡纸换成信封，这时候我们就可以运用涂鸦重绘功能。点击涂鸦重绘，进入涂鸦重绘版面。

因为我们想把卡纸换成黄色的信封，点击右上角的色盘icon，选择黄色，调整画笔大小，在卡纸的位置涂上一层，示意这里要换成一封信(注意涂鸦的造型尽量和想生成的物体的造型接近，这样有利于算法识别)。然后在关键词后加上一个黄色的信封，并给上一些权重。(a yellow envelope:1.3)

点击生成后，多生成几次图，挑选较为满意的一张后，先不着急细化修改，继续把画面其它想要替换的物品调整好。替换的方式也可以像信封一样，使用涂鸦重绘即可。

不过像重叠的书本，或者玩具这类，造型轮廓不规则的，AI在计算过程可能不能很好地识别。这个时候我们也可以直接使用局部重绘功能，在要重新绘制的区域涂上一层蒙版，然后在关键词后补充上想要替换的内容。例如一叠书本，就在关键词后补充上(A stack of books:1.4)，记得加一点权重。

通过这种方式，我们可以把画面里想要替换的元素都替换掉，并且风格也能保持一致，实现“指哪打哪”。(当然，这也避免不了需要多次炼图，尽管Stable Diffusion可控性好，但AI始终是AI，想要直接渲出自己想要的图片还是很难的。)

到最后，我想在桌面上加一支笔和一个闹钟，但是在涂鸦重绘过程中，始终渲不出我想要的效果。这个时候我们可以找一个笔和闹钟的png素材在ps里简单处理下放在画面中，然后再把它放回到Stable Diffusion的图生图中，调整好低重绘幅度然后重新生成，最后筛选出较为满意的进行后期细化即可。

到了最后阶段，我们就可以回到ps里去增加一些画面的细节和内容了。

最后的最后，给画面加一些后期氛围处理后得到最终版本。

,

4，总结

不管是Midjourney、Stable Diffusion还是一些其他AI工具，随着他们版本的不断更新，它们的功能也越来越丰富。这也导致很多设计师越发焦虑，觉得自己这个功能还没学会怎么就出了另外一个功能了。

其实我们没必要焦虑，学习工具的主要目的就是为了把自己想做的东西实现出来，能够在工作中使项目落地。

在这个案例中我们也没有使用较为新颖的功能，主要就是Stable Diffusion放大和重绘功能，这两功能在Stable Diffusion也算是比较基础的。学习新的技能固然重要，但去探索如何运用这些技能去实现项目落地的方法思路更为关键。

文章到此就告一段落，本篇文章也只是分享运用AIGC实现需求落地的一种思路，后续我们还会继续探索AIGC的项目落地思路流程~