如今，AI 的应用已经遍布各个行业，应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利用 AI 辅助，毕竟 AI 的功效不是万能的，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，分享如何应用 AI 工具 Stable Diffusion 对其从事辅助设计（本篇案例利用的是秋叶版本 Stable Diffusion）
更多案例实战：
一、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。
二、确定风格＆AI 应用
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应用 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 来从事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
（在这里我们利用了 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))
反向关键词就利用一些通用的便可。
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，并开始从事下一环节的操作。
三、SD 缩小&重绘功效的利用
我们选择用第二张图作为底图，但是缩小后不难发现，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从事 SD 缩小操作。
1. SD Upscale 介绍
SD Upscale 也被叫为 SD 缩小，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缩小的图片均匀的分成多块，分别从事从头绘制，并最终拼回一张图，以此来从事高清缩小的效果，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，里面有一个利用 SD 缩小（SD Upscale），点击选择便可开启。（注意，只有图生图才能利用该脚本）
2. SD Upscale 的利用
首先，我们将底图拖入图生图的图片区域，然后打开 SD 缩小，其中缩小倍数以及图块重叠像素可以不做变化，缩小算法可以选择 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，这两个缩小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 缩小的原理是将一张图分成均匀的多块从头渲染，然后再从头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 的重绘功效了。
3. 重绘功效的利用
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 里从事简单的 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便可。（一般从头用图生图输出的图片分辨率都会变低，需要从头用 Stable Diffusion 缩小高清修复一下，然后再在此基础上从事重绘）
紧接着我们开始对画面个别元素从事调整。首先，我们想把右上角的黄色卡纸换成信封，这时候我们就可以应用涂鸦重绘功效。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调换的物品调整好。调换的方式也可以像信封一样，利用涂鸦重绘便可。
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利用局部重绘功效，在要从头绘制的区域涂上一层蒙版，然后在关键词后补充上想要调换的内容。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调换的元素都调换掉，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从头生成，最后筛选出较为满意的从事后期细化便可。
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。
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，它们的功效也越来越丰富。这也导致很多设计师越发焦虑，觉得自己这个功效还没学会怎么就出了另外一个功效了。
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利用较为新颖的功效，主要就是 Stable Diffusion 缩小和重绘功效，这两功效在 Stable Diffusion 也算是比较基础的。学习新的技能固然重要，但去探索如何应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应用 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~