自从 Disco Diffusion 在 Github 开源后，AIGC 才能进入倏地发展期，随后种种 AI 对象的发布使相关领域都产生了不小的研究和运用浪潮。同时基于 Stable Diffusion 的倏地迭代则使 AI 在「电商行业」的运用逐步扩大。
本篇以大促会场设想为例，介绍我们设想师如何在营销举动设想中，构建 AI 工作流与多元化的 AIGC 才能运用，来一起一探究竟吧~
更多AIGC运用范例：
一、大促会场设想中的AIGC 运用思路
1. 选择合适的对象
考虑到和「会场设想」强主题/强氛围画面的相关性，我们通过对种种 AIGC 才能的研究，最终确认了两个具有实用价值的对象——Midjourney、StableDiffusion来运用到我们的工作流中。对比两者的优劣势，来确定后续的AIGC介入点：
2. 「人在回路」的 AIGC 工作流
在项目中，虽然我们的设想过程循序渐进且标准化，但依旧很难绝对避免「高创意老本」的 KV 画面被推翻反复，或是「高执行老本」的视觉素材要倏地拓展。
因此，这两个对象（Midjourney、StableDiffusion）相对应的可以去辅佐做到「创意提案」丰富度和「素材设想」精确化，从而节约反复提案确认的时间，并且极大幅度降低出新方案的边际老本，缓解设想师面对「急着要」或是「改方向」的压力和焦虑感。
之后我们针对性地进行了模拟运用，经过多个场景的尝试，选择合适的对象，建立 AIGC 工作流，可以辅佐创意视觉更高效的输出：
不同主题举动的画面创意生成
二、AI 实战运用
在进行了可行性的测试和介入过程初步判断之后，我们开始在一些实际工作场景中探索运用的更多可能性。
1. AI 介入一场完整的大促举动设想
在一场举动中，我们把需要产出的视觉素材分成了 8 类，做了更细致的 AIGC 生产分工，之后针对不同的画面需求类型，采取了不同的过程手段：
类型 1.3D 场景分解类创意
整体 3D 场景的分解过程
类型 2.故事情景分解类创意
强主题故事情景类的局部创意提取、分解过程
强布局画面需求的边缘把持生成、分解过程
类型 3.平面构成类创意
通过生成丰富元素分解画面的过程
来看看最终产出的内部 kv 画面、元素包、以及上线的种种页面场景运用吧：
举动内部 kv 主视觉画面设想
举动元素创意设想
举动会场页面
举动投放海报&弹窗
2. 更多实战案例
在各个不同行业领域的营销设想项目中，AIGC 也可以倏地、低老本的辅佐完成大量创意画面的生成，以进行高效的提案和确认：
家装举动中，辅佐 kv 画面创意生成
服饰举动中，辅佐超现实元素创意生成
家装举动中，辅佐系列化画面创意生成
淘宝系列化公仔形象创意生成
淘宝系列化拟人店铺创意生成
三、更高精度的 AIGC 才能
从长线的设想储存和提效来看，StableDiffusion 具备更高精确度的设想生产才能，如模型训练、ControlNet 布局把持等等。
1. 视觉气势派头模型
为了应对更多的临时需求及倏地响应，我们尝试在会场设想场景中，建立对应举动的气势派头模型训练及运用过程，以倏地生成所需气势派头的画面，进行后续的分解设想：
气势派头训练及运用过程
训练储存不同视觉气势派头表现的 SD 模型，套用 controlnet 布局把持插件，即可倏地生成种种气势派头下的「大促点位所需布局」的画面：
训练气势派头储存及 ControlNet 布局把持运用示例
2. 倏地实现生成的 AI 数据元素库
完成气势派头模型训练储存后，生成的种种符号容器、背景氛围、装置素材等等的元素也可以进行提前储存，预设对应的参数数据，来高效应对种种营销设想需求，随需取用：
四、我们用 AI 能做什么？
基于现阶段的 AIGC 才能，在会场设想中，AIGC 能够辅佐我们：
1. 大量创意发散
我们能用 AI 生成大量的定制化灵感图、画面素材，提供更多的创意发散可能性，以准备更多高质量的方向和提案；
2. 低老本的输出
我们能用 AI 更快的做出高完成度的设想稿，创意时间老本可减少 50%左右，极大降低出新方案的边际老本，以应对各种项目变化；
3. 设想技能整合
我们能用 AI 高效整合种种设想手段，比如 3D 建模、渲染、插画、动态等等，有更丰富的设想表现手法可以多选择性的呈现；
4. 大促气势派头统一
我们能用 AI 训练更准确的气势派头模型，改变以往举动主视觉物料分发制作模式，提高各场景举动的气势派头一致性。
五、未来的 AIGC
如同一些划时代意义的设想软件横空出世一般，AI 最终也会成为设想师手中更高效更有力的对象。也许 AI 设想的未来会是一个右脑思维变得越来越重要的领域：丰富的，细致的，个性的感受和语言才能，决定了设想师使用 AI 的才能上限——这就好像我们要训练自己的替身，让「ta」成为自己最得力的设想伙伴，AI也最终会成为这部分人希望它成为的样子。
未来「人在回路」也许会有一种更规则化的运行模式——通过精细化的人为调参和局部重构，把持从0-1的画面生成和细节深挖，形成一种人机互助设想的模式，这也是我们之后可以去探索，如何借助AI对象做更高效、规范、垂直的设想机制。