輕鬆復現一張AI圖片
現在有一個非常漂亮的AI圖片，你是不是想知道他是怎麼生成的？
今天我會交給大家三種方法，學會了，什麼圖都可以手到擒來了。
需要的軟體
在本教程中，我們將使用AUTOMATIC1111 stable diffusion WebUI。這是一款流行且免費的軟體。您可以在Windows、Mac或Google Colab上使用這個軟體。
方法1: 透過閱讀PNG資訊從影像中獲取提示
如果AI影像是PNG格式，你可以嘗試檢視提示和其他設定資訊是否寫在了PNG後設資料欄位中。
首先，將影像儲存到本地。
開啟AUTOMATIC1111 WebUI。導航到PNG資訊頁面。
將影像拖放到左側的源畫布上。
在右邊你會找到關於提示詞的有用資訊。你還可以選擇將提示和設定傳送到txt2img、img2img、inpainting或者Extras頁面進行放大。
方法2：使用CLIP interrogator從影像中推測Prompt
在處理影像資訊時，我們常常會發現直接的方法並不總是有效。
有時候，資訊並沒有在最初就被記錄在影像中，或者在後續的影像最佳化過程中被Web伺服器去除。
也有可能這些資訊並非由Stable diffusion這類AI技術生成。
面對這種情況，我們可以嘗試使用CLIP interrogator作為替代方案。
CLIP interrogator是一種AI模型，它具備推測影像內容標題的能力。這個工具不僅適用於AI生成的影像，也能夠應對各種型別的影像。透過這種方式，我們能夠對影像內容進行更深入的理解和分析。
什麼是CLIP？
CLIP（Contrastive Language–Image Pre-training）是一個神經網路，它將視覺概念對映到自然語言中。CLIP模型是透過大量的影像和影像資訊對進行訓練的。
在我們的用例中，CLIP模型能夠透過對給定圖片的分析，推斷出一個恰當的圖片描述。
這個描述可以作為提示詞，幫助我們進一步理解和描述圖片的內容。CLIP模型透過學習大量的影像和相關文字資料，掌握了影像識別和語義理解的能力，因此它能夠捕捉到圖片中的關鍵元素，並將其轉化為一個描述性的標題。
WebUI中自帶的CLIP interrogator
如果你傾向於避免安裝額外的擴充套件，可以選擇使用AUTOMATIC1111提供的內建CLIP interrogator功能。
WebUI提供了兩種識別影像資訊的功能。一個是clip：這個功能底層基於BLIP模型，它是在論文《BLIP: 為統一的視覺語言理解和生成進行語言影像預訓練》中由李俊楠以及其團隊所提出的CLIP模型的一個變種。一個是DeepBooru, 這個比較適合識別二次元圖片。
要利用這個內建的CLIP interrogator，你可以按照以下簡單的步驟操作：
-
啟動AUTOMATIC1111：首先，你需要開啟AUTOMATIC1111的網站。
-
導航至img2img頁面：在AUTOMATIC1111的介面中，找到並點選“img2img”這一選項。這是一個專門的頁面，用於上傳和處理影像。
-
上傳影像到img2img畫布：在這個頁面上，你會找到一個用於上傳影像的區域，通常被稱為“畫布”。點選上傳按鈕，選擇你想要分析的影像檔案，並將其上傳到畫布上。
-
上傳之後在介面右邊就可以找到兩個interrogator工具了：
點選這兩個按鈕，就可以獲得影像的描述資訊了。
我們可以得到下面的資訊：
a woman in a blue top and pink skirt standing on a hill near the ocean with a grassy area in the background,Ai Xuan,ocean,a statue,rococo,
我們用這段提示發到text2image中看看效果：
嗯....大體上還是有點相似的..... 因為圖片跟我們的底模，種子還有采樣多種因素有關。所以你想1比1複製，這個比較難。
CLIP擴充套件
如果您在使用AUTOMATIC1111的內建CLIP interrogator時發現其功能不足以滿足您的需求，或者您希望嘗試使用不同的CLIP模型來獲得更多樣化的結果，那麼您可以考慮安裝CLIP interrogator擴充套件。這個擴充套件將為您提供更多的選項和靈活性，以適應您特定的使用場景。
這個外掛的下載地址如下:
https://github.com/pharmapsychotic/clip-interrogator-ext
要使用CLIP interrogator擴充套件。
-
開啟AUTOMATIC1111 WebUI。
-
轉到interrogator頁面。
-
將影像上傳到影像畫布。
-
在CLIP模型下拉選單中選擇ViT-L-14-336/openai。這是Stable Diffusion v1.5中使用的語言嵌入模型。
-
單擊生成以生成提示。
對SDXL模型進行CLIP
如果你的目標是使用Stable Diffusion XL (SDXL)模型，那麼我們需要選擇不同的CLIP模型。
在“interrogator”頁面上，你可以選擇很多clip模型，如果要和SDXL模型一起工作的話，那麼可以選擇ViT-g-14/laion2b_s34b_b88k這個選項。
選擇ViT-g-14/laion2b_s34b_b88k模型後，系統將會根據這個模型的特性生成相應的提示。你可以使用這個提示詞作為SDXL的提示，從而可以更精確地生成與原始影像內容相符合的影像。
ViT-g-14/laion2b_s34b_b88k模型是一個基於Vision Transformer (ViT)架構的預訓練模型，它在大型影像資料集laion2b上進行了訓練，具有34億個引數。這個模型在影像識別和理解方面表現出色，能夠有效地捕捉影像的關鍵特徵，並生成與原始影像內容緊密相關的提示。
透過這種方式，就可以確保在使用SDXL模型進行影像生成時，所得到的輸出影像能夠更好地反映原始影像的意圖和風格。
總結一下
我們講了三種方法來從圖片資訊中提取出對應的Prompt。
你應該首先嚐試使用PNG資訊方法。這種方法的優勢在於，如果影像中包含了完整的後設資料，那麼您可以一次性獲取到包括提示、使用的模型、取樣方法、取樣步驟等在內的所有必要資訊。這對於重新建立影像非常有幫助。
如果PNG沒有資訊可用，那麼可以考慮使用BLIP和CLIP模型。對於v1.5模型來說，ViT-g-14/laion2b_s34b_b88k模型可能是一個不錯的選擇，它不僅適用於SDXL模型，也可能在v1.5模型中表現出色。
另外，我們在構建提示詞的時候，不要害怕對提示詞進行修改。因為自動生成的提示可能並不完全準確，或者可能遺漏了一些影像中的關鍵物件。
所以需要根據自己的觀察和需求，來修改提示詞以確保它能準確地描述影像內容。這對於最終生成的影像質量和準確性至關重要。
同時，選擇正確的checkpoint模型也非常關鍵。因為提示中可能並不總是包含正確的風格資訊。
例如，如果您的目標是生成一個真實人物影像，那麼你肯定不能選擇一個卡通模型。
點我檢視更多精彩內容:www.flydean.com