随着 AI 的大火，大家都在考虑如何通过 AI 提升处事效率，接下来简述一下我在可视化领域使用 AI – Midjourney 举行安排提效的尝试。
AIGC工具大比拼：
在正文开始之前先看五张图
五张图总花费时间为 1 小时左右，其中训练 Midjourney 生成图象花了 20 分钟左右，使用现有组件完成安排稿大概用了 40 分钟。
结论：针对日常可视化大屏视觉安排提效 80%以上。
近期随着 ChatGPT 和 Midjourney 的大火，大家都在试探如何使用 AIGC 对我们已有的处事举行提效。开始之前，首先说明一下什么是 AIGC。 实质产生分为三个阶段，分别是 PGC、UGC 和目前大火的 AIGC。分别对应了专家产生实质、用户产生实质以及目前的 AI 产生实质，对应到大的时间周期有两个时间节点，分别是 2008 年和 2023 年。其中 2008 年以前是 PGC 时代，即专家产生实质，2008 年之后随着移动互联的来临，开启了 UGC 时代，即用户产生实质。最后就是当下，2023 年，开年随着 ChatGPT 和 Midourney 的大火，同时开启了 AI 创造实质的时代。
随着 AI 的大火，作为一名可视化大屏安排师，我也在考虑如何通过 AI 提升我的处事效率，接下来简述一下我在可视化领域使用 AI 举行安排提效的尝试。
一、AI 绘图的分类及选型
由于市面上存在大量的 AI 绘画工具，每个工具擅长的画风也各有所长；选择合适的工具可以帮助我们在 AI 创作中事半功倍。
1. Midjourney、StableDiffsion、DALLE2 绘图案例及特点
Midjourney：画面注重细节的构建和表达；同时对不同材质的展示也非常细致。
Stable Diffusion：画风更偏写实；生成照片级别的作品
DALLE 2：笔触比较明显，更加偏向绘画格调
2. Midjourney、Stable Diffusion、DALLE 2 横向对比
三组 AI 模型输入同样的 Prompt，生成图象举行横向对比，总结不同 AI 模型所擅长的绘图格调。
Midjourney 生成的图象更加具有艺术格调，更偏向 CG 画面。Stable Diffusion、DALLE 2 生成的图象更偏向写实、具有照片感。因此选择 Midjourney 作为赋能可视化大屏安排的 AI 工具举行试探。
二、可视化大屏安排如何拥抱 AI
可视化大屏安排拥抱 AI，获得 AI 能力加持，提升处事效率。可以从两个方面综合思考，找准切入点。第一是处事过程，第二是页面结构。
1. 可视化大屏处事过程
从可视化大屏的产设研过程来看，一个产品的上线需要经历如下环节：提出需求 、视觉试探、交互安排、完成安排、开发文档、协助开发、安排走查、产品上线等。整个过程较为复杂。结合 AI 产出的实质，可将 AI 提效部分聚焦在视觉试探阶段。视觉试探是整个可视化大屏产品安排阶段较为重要的一环，也是最为耗费人力的阶段。好的视觉往往能够让人眼前一亮，为优秀的可视化作品奠定基础。
2. 可视化大屏页面结构
一个完整的可视化大屏安排方案从页面结构上分为视觉层和数据层。其中数据层是整个可视化大屏的核心，是核心要传达给用户有价值的数据的实质，辅佐用户决策。视觉层则是灵魂，一个可视化大屏是否能获得用户的认可，通常看视觉层的表现。
根据对可视化大屏的在处事过程和页面结构的拆解，页面结构中的视觉层以及处事过程中的视觉安排更加偏向重复性以及安排试探类的处事。再结合 AI 绘图的特点：低成本的、快速的、批量产生安排实质。因此我尝试使用 AI 来辅佐完成可视化的视觉试探方向的安排处事。
三、AI 辅佐生成安排过程
1. 传统可视化视觉安排过程
传统的可视化视觉安排过程通常从获取地理信息数据开始，然后再举行数据建模、模型渲染、效果合成。其中完成数据建模之后的模型渲染和效果合成是一个循环反复的过程，需要不断打磨渲染效果以及合成效果，最终才能完成作品输出。对这个过程的优化也将是 AI 提效的关键节点。
2. Midjourney 辅佐视觉安排过程
开始举行 AI 辅佐安排之前，我们首先需要知道 Midjourney 的处事过程是什么以及一些相关参数与名词的介绍。
① Midjourney 处事过程
Midjourney 在 AI 生成图象过程中有两个路径，其一是文本生图，其二是以图生图的方式。其中文本生图 Text to img 是更为常见的一种方式，通过一段对画面描述的文字，告诉 AI 你想要的画面，AI 就可以帮你生成对应的图象。以图生图 Img to img 是通过输入一张原始图象给 AI，辅佐描述文字生成一张基于原始图象的新图象。
② Midjourney 参数及名词介绍
–v 5：表示使用的是第几个版本的 Midjourney AI 模型（目前从 V1 到 V5 版本）
–ar 2:1：所生成图片的宽高比例 （1:1 到 2:1 之间）
–iw 1：以图生图模式中，新图和原始图的关联度（最小是 0.5，最大是 2）
–q 2: 预览质量（0.25 到 5。数值越高渲染所需时间越久）
–no XXX：XXX 代表不想让图象出现的元素（–no background 表示不要背景元素）
U1 U2 U3 U4：代表了显示的四张图；点击其中一个按钮，系统就会发给用户对应的图片 V1 V2 V3 V4：对应了四张图片，点击其中一个按钮系统会推给我们四张对应图片的细节调整版
3. 文本生图 Text to img
在使用 Midjourney 生成图象的过程中，整个过程的关键是“Prompt”的撰写。Prompt 作为用户和 AI 沟通的桥梁，书写的质量直接影响生成画面的效果。Prompt 写的越详细，越完善，生成的图象会越具体，更能符合用户对生成图片的预期。
Step 1 对我们想要的画面主体举行描述。
Prompt：Earth with China as the main body,
Step 2 对我们想要的画面主体以及画面格调举行描述。
Prompt：Earth with China as the main body, HUD, FUI, Data visualization, 3D render, C4D,
Step 3 对我们想要的画面主体、画面格调、视觉参考以及艺术流派举行描述。
Prompt：Earth with China as the main body, HUD, FUI, Data visualization, 3D render, C4D, Dennis Schaefer, Futurism, Artstation, Behance,
Step 4 对我们想要的画面主体、画面格调、视觉参考、艺术流派以及画面视角举行描述。
Prompt：Earth with China as the main body, HUD, FUI, Data visualization, 3D render, C4D, Dennis Schaefer, Futurism, Artstation, Behance, panoramic, screen is blue,
Step 5 对我们想要的画面主体、画面格调、视觉参考、艺术流派以及画面视角举行描述之后，如果有意向图片，可以选择对应图片点击“V”按钮，让系统推送细节调整版本。在这个过程中可以举行画质提升操作。
Step 6 在细节调整有意向图片后，可以选择对应图片点击“U”按钮，让系统发送我们所选图片的额大图。
在 Text to img 过程中生成的一些其他样式格调的图片，可供我们举行参考，提供灵感来源。
4. 以图生图 Img to img
Setp 1 使用和 text to img 相同的 Prompt，仅改变 iw 值，iw（生成的图片和原图片的相似性。0.5 为关联性最低，2 为关联性最高）值分别为 0.5、1、1.5 和 2。得到以下四组图片。
Step 2 选择 iw = 2 中的第四张图片 并按 V 键举行视觉调整。
Step 3 再选择 V4 举行视觉调整。最后选择 U2 举行图象输出。
最后完整看一下 Img to img 的过程
四、Midjourney 其他格调可视化安排图象生成
五、Midjourney 生成图象的应用
将 Midjourney 输出的图象应用于真实的场景中，同样需要从两方面来看。第一是可视化的页面结构划分，第二是可视化安排的处事过程。
首先：根据可视化大屏安排的页面结构划分来看，Midjourney 输出的图片只是作为背景视觉层来使用，仍需根据业务需求叠加数据层的实质。如开篇的两张图所示。
其次：从处事过程来看，目前产出的安排稿仅可应用于安排格调试探阶段，或者是作为飞机稿的素材使用。无法应用于真实项目中。具体原因看第六点。
六、Midjourney 辅佐可视化大屏安排存在的问题
结论：Midjourney 辅佐可视化大屏视觉安排可以为安排师提供部分灵感来源。提升可视化安排师的视觉试探效率，但无法在实际项目中运用。
在地理信息可视化中，针对视觉安排主要是将地理数据信息转化为 3D 模型，再将模型举行渲染。其中将地理信息数据转化为 3D 模型过程中核心就是保证 3D 模型对地理信息数据的准确还原。
然而基于当前对 midjourney V4 模型以及 V5 模型的研究，我理解 AI 生成图象的基本逻辑是将关键词分别映射到不同的图象，再将一个关键词组所对应的所有图象举行拼接，这个过程就像是 PS 的图片合成，或者叫视觉格调迁移。这样的一个生成方式会导致细节的不准确。在实际测试过程中，针对一个具体国家、省份的三维地图的生成结果基本都是不准确的。因此无法真正用于可视化安排处事中。
那什么时候 AIGC 会对可视化大屏安排效率有质的提升？那就是当 AI 能够理解并找到对应的地理信息数据后生成不同类型、格调的图象的时候，才能做到对普通可视化安排师的效率有质的提升。
这一天也许很远，也许就在明天！