近半年來，AIGC 技術在各個領域都取得了重大突破，尤其是在設計領域，AI 繪畫技術的出現加速了設計行業的變革，為設計師帶來了新的機遇和挑戰。

其中，Midjourney 和 Stable Diffusion 等 AI 繪圖工具快速崛起，成為備受設計師青睞的代表。這些工具利用深度學習技術，通過學習大量的藝術作品來生成圖像，具有操作簡單、生成速度快等特點，而智行營銷需求具有高頻率、快節奏等屬性，因此將 AI 繪畫應用到設計流程中，有望提高設計師的生產力和效率。

更多AI應用案例：

在此背景下，智行 ZXD 深入研究和探索了 AI 繪畫技術，并嘗試出以下可實施落地案例：

下面看看，實際落地效果吧～

本文將通過以上四個案例，詳細講解智行 ZXD 利用 AIGC 工具的落地思路及流程，全文大綱如下：

1. Midjourney 與 Stable Diffusion 區別
2. 工作流程變化
3. 案例一學生形象 2D 轉 3D
4. 案例二 Train star 海報線稿上色
5. 案例三 H5 活動頭圖 2D 轉 3D
6. 案例四節日海報設計
7. 寫在后面

一、Midjourney與 Stable Diffusion 區別

Midjourney 和 Stable Diffusion 是目前市面上最主流的兩款 AI 繪畫工具。不少設計師也在糾結哪一款更適合自己。通過以下維度的對比，我們可以更好地選擇適合自己的工具。

二、工作流程變化

以往未使用 Midjourney 與 Stable diffusion 的情況下，設計師通用設計工作流程如下:

當設計師使用 Midjourney 與 Stable Diffusion 時，根據需求類型不同有以下兩種工作流程：

流程一：首先設計師找參考構思畫面，再通過 Midjourney 和 Stable diffusion 關鍵詞生成畫面，最后從中選合適圖片進行優化調整，工作流程如下圖所示：

流程二：首先設計師找參考并繪制草圖，再通過 Stable Diffusion 基于草圖生成圖片，最后選擇合適圖片優化調整，工作流程如下圖所示：

三、學生形象 2D 轉 3D

學生 3D 形象是專為智行學生群體而設計的獨特人物形象。以往，3D 形象需要設計師進行建模和渲染，這既耗費時間，又需要高水平的技術門檻。接下來，我們將探討如何通過 AIGC 生成 3D 形象。

第一步：繪制學生角色色稿

為了更好體現學生的青春活力，整體形象設定為：手拿書本、扎著雙馬尾、戴帽子，穿背帶褲...

Stable diffusion 人物色稿需注意：

1. 結構清晰完整、線條流暢
2. 如有描邊，不能太粗，否則會當作結構生成
3. 上色均勻，無需筆觸肌理感

第二步：選擇模型

大模型的選擇決定了生成的風格，再配合 lora 對服裝、五官、頭發等細節進行調節，這里模型選擇如下：

第三步：輸入關鍵詞

關鍵詞可以通過 Stable Diffusion Tag 反推功能來獲取，在此基礎上修改添加。

Prompt：best quality，soft smooth lighting, raking light, 1girl, solo, overalls, eyes, black hair, shirt, hat, twintails, shoes, watch, white shirt, white background, full body, simple background, wristwatch, short sleeves, looking at viewer, sneakers, holding book, orange footwear, short twintails, standing, pants, smile, hair ornament, blue overalls, bangs, orange headwear, surface scatters skin, 120mm lens, 3D,blender render

Negative prompt：badhandv4:1.3, ng_deepnegative_v1_75t:1.2, worst quality:1.25, low quality:1.25, lowres:1.1, monochrome:1.1, comic, sketch, blurry:1.05, detatched hand, multiple views, depth of field, bokeh

第四步：設置參數

采樣步數：20（采樣步數越高，生成時間越長）

采樣方式：DPM++ 2M Karras（在速度和質量的平衡最好）

尺寸設置：1200x1800（需與草圖尺寸保持一致，尺寸越大電腦性能要求越高）

提示詞相關性：7（數值越高，生成圖像與提示詞的關聯度越高）

重繪幅度：0.7（重繪幅度越低，生成圖片與底圖越接近，反之自由發揮度越高）

第五步：設置 Controlnet

預處理器：invert（圖像有白色背景和黑色線條建議選擇 invert）

模型：control_v11p_sd15_lineart

預處理分辨率：1024（數值越高，生成圖片精度越高，電腦性能要求越高）

權重：1（權重越高，草圖對生成圖像的控制程度越高）

第六步：生成圖片

根據生成圖片反復調節關鍵詞、參數，多次生成。

第七步：Midjourney 優化 3D 形象

Stable Diffusion 能精準的把 2D 形象轉換成 3D，但現階段整體 3D 立體感、皮膚質感欠缺，繼續導入 Midjourney 優化，整體思路如下：

Describle 圖生文：Stable Diffusion 生成的圖片通過 Describle 圖生文命令來獲取關鍵詞

墊圖：Stable Diffusion 生成的圖片再次上傳獲取圖片鏈接地址

關鍵詞優化：基于 Describle 關鍵詞優化調整

權重設置：設置--iw 2，生成圖片盡量接近墊圖

四、Train star 海報線稿上色

Train star 是火車票部門給予優秀員工的榮譽稱號，旨在鼓勵每一季度為部門做出貢獻的員工。

第一步：繪制 Train star 草圖

設計創意：采用左右對稱布局，畫面中央火車飛速馳過，而員工手握獎杯，面露開心激動之情，為整個場景營造氛圍感。

Stable diffusion 草圖需注意：線條流暢、結構清晰便于識別

第二步：選擇模型

選擇插畫風格模型：9527

第三步：輸入關鍵詞

關鍵詞通過 Stable Diffusion Tag 反推功能來獲得，在此基礎上進行修改添加

第四步：設置參數

采樣步數：20

采樣方式：DPM++ 2M Karras

尺寸：1280x720

提示詞相關性：14

第五步：設置 Controlnet

預處理器：invert（圖像有白色背景和黑色線條建議選擇 invert）

模型：control_v11p_sd15_lineart
權重：1.3

第六步：生成圖片

根據生成圖片，不斷調整關鍵詞和參數，多次嘗試挑選出符合預期的學生形象。

第七步：后期調整

我們將結合生成圖片的優缺點進行合成，并對生成結果中不精準的部分進行調整，以達到更高的準確性和更好的視覺效果。

五、H5 活動頭圖 2D 轉 3D

特種兵出行挑戰賽是通過邀請好友組隊形式，最終依據排名來瓜分現金獎勵。

第一步：繪制 2D 草圖

設計創意：通過塑造背著書包，特種兵敬禮姿勢的出游形象，融合戶外景點，打造出一個充滿活力和挑戰的特種兵出游氛圍。

第二步：選擇模型

為了提高生成畫面的精度，我們選擇了不同的模型來分別生成背景和主體人物，以確保每個元素都能夠得到更加精準的呈現。

對于關鍵詞輸入、參數設置和生成圖片，已在案例一和案例二中進行了詳細說明，在此不再贅述。

第五步：設置 Controlnet

預處理器：LeReS 深度信息估算（LeRes depth estimation）

模型：05 深度-背景復雜-control_depth-fp16

畫面有縱深感、背景復雜，推薦使用 depth 模型

第七步：后期調整

我們將結合生成圖片的優缺點進行合成，并對生成結果中不夠精準的部分進行調整，最后添加標題文字。

六、夏至節氣海報

以上三個案例均基于設計師的草圖生成，然而，對于那些更注重畫面整體氛圍，對元素、創意、位置和大小沒有過高要求的情況，我們可以嘗試使用 Midjourney 直接生成，以夏至節氣海報為例。

第一步：找參考構思畫面

收集夏至相關參考如下：

第二步：關鍵詞生成畫面

通過 Midjourney 墊圖和關鍵詞描述來生成畫面：

第三步：后期優化

后期 PS 調整色調，添加小智 IP，最終效果如下：

寫在最后

通過以上案例，我們可以看到，AI 繪畫在設計領域中的應用越來越廣泛，無論是 3D 形象、場景海報或 H5 活動頭圖，都可以在各個流程中找到 AI 繪畫的機會點。我們也將不斷研討并總結出結合 AIGC 工具的全新設計工作流程，以便更好地應對快速迭代的 AIGC 生成工具。

未來，設計行業將進入人機協同時代，我們應該保持終生學習的心態，時刻準備接受新事物的挑戰，才能在越來越激烈的競爭中脫穎而出。同時，我們也要明確，AI 繪畫工具并不是設計師的替代品，而是輔助工具。只有掌握了 AI 繪畫工具，才能更好地發揮自己的設計能力，創造出更加出色的作品。

歡迎關注作者微信公眾號：「智行ZXD設計中心」