Sådan genereres billedmorphing-animation med ControlNet
På grund af et tidligere eksperiment udføred, havde vi ideen om at bruge ControlNet til morphing. Først da gik vi over til at bruge depth2img-modellen, som kan skabe et billede ud fra et dybdekort, frem for ControlNet. Og ControlNet kan fungere ikke kun i dybden. Dette indlæg har flere oplysninger om teknikken.
Jeg vil give dig en hurtig gennemgang af proceduren. Muligheden for denoising-styrke, som påvirker antallet af trin under genereringen, er tilgængelig for os, hvis vi genererer et billede i img2img. For eksempel, med trin = 30 og denoising-styrke = 0.5, vil der kun være 15 trin tilbage at oprette. Dette ræsonnement kan anvendes til at animere morfen. Du kan ændre ethvert billede; portrætter er ikke de eneste, der kan laves.
Tag det originale billede. Aktiver ControlNet, mens billedboksen efterlades tom. Vælg frø til at være -1 for at generere tilfældige tests; batchantal påvirker deres mængde. Du kan eksperimentere med vejledningsparametrene, vægten af det modtagne kort og ControlNet-tilstanden. Hvis du kan lide generationen, skal du trække den med musen til img2img og derefter gentage processen og lede efter det billede, som det andet billede i sidste ende bliver til. Efterhånden som hvert billede er færdigt, dukker spørgsmålet om, hvordan man laver en animation op. (Til begyndelse skal du huske at indstille batchantal til 1 for at undgå at oprette ekstra billeder.)
Vi vil bruge en spændende løsning lige nu, men jeg vil tale om dens mangler senere.
XYZ-plottet vil blive brugt; du skal vælge det fra scriptlisten. Det vil gøre os i stand til at skabe ikke kun det endelige billede, men også overgangen fra kildebilledet.
X-værdier ind sætter vi i linjen, der lyder:
0.0.296.0.39.0.459.0.515.0.563.0.606.0.644.0.68.0.713.0.743.0.772.0.799.0.825.0.85.0.874.0.897.0.919.0.94.0.961.
Det betyder, at når generationen begynder, vil vi modtage 21 billeder i stedet for kun ét (antallet af værdier adskilt af kommaer). Hvorfor er denne linje der? For eksempel kan det se anderledes ud.
Dette format gør det nemmere at forstå: du anmoder om 20 billeder fra den automatiserede og beder den om at demonstrere, hvordan denoising vil påvirke resultatet for værdier fra 0 til 1. Ulempen ved den anden mulighed er, at den resulterer i en lineær ændring i værdier , på grund af denoises egenskaber, ser det ikke ud til at være realistisk morphing. Tæt på nul-tal har næsten ingen effekt på resultatet. og ved niveauer større end 0.5, begynder det at påvirke meget mærkbart.
Som følge heraf er den første linje en kurve af typen x.4 eller x hævet med 0.4. En lige, lineær funktion og en buet, som vil give et mere nøjagtigt output, er kontrasteret i billedet. Du kan bruge en blender til at lave sådan en streng.
Du skal vælge mængden af rammer for overgangen, før du opretter din linje. Det kan redigeres i projektindstillingerne.
Du skal udføre flere trin for at få en linje. Prøv først med kurvens form. For at opnå dette skal du vælge "Slet nøglerammer" fra kontekstmenuen for animationsparameteren.
Her er formlen for at opnå kurven; parameteren blev blå, hvilket indikerer, at driveren kører i den.
Du kan rode rundt med værdien her. 4. Men undgå at gå for lavt. frame/21 angiver et værdiskift fra 0 til 1 ved frame 0 til frame 21. Kun værdier mellem 1 og 20 frames er tilbage.
Ikke desto mindre er nøglerne ikke føreren. De skal først forberedes. For at opnå dette skal du klikke på Objekt > Animation > Bagehandling i 3d-vinduet og derefter klikke på OK.
Dette vil dog påvirke alle mulige nøgler til objektet, og de bør slettes. Vælg alt undtagen den første linje og tryk på X på tastaturet (musen skal være placeret under listen).
Og nu, for at få linjen i venstre side af skærmen, skal du klikke på play og åbne konsolvinduet.
Har en streng, der kan kopieres.
For at lave animationen skal du udføre denne proces separat for hver billedposition, der blev lavet i begyndelsen, og derefter samle den til animation i et videoredigeringsprogram.
Ja, processen er endnu ikke automatiseret, men du kan tilpasse alt til dig selv. Du kan ændre generationsmodellen og ControlNet-modellen og -tilstanden, aktivere eller deaktivere forprocessen eller noget andet, du kan lide. Det vigtigste er ikke at miste gode resultater og derefter gentage alt korrekt for at skabe animation.
Ulemper ved teknologi — du bør ikke lægge en masse grund til overgangen. Vi skrev ovenfor, at denoise påvirker antallet af trin. Det kan vise sig, at outputtet vil duplikere billeder, da flere denoise-værdier vil være inden for det samme antal trin. Deres nummer kan observeres i den automatiske konsol.
Denne teknologi kan bruges sammen med interpolator-retardere, det vil sige at sende animationen for at fuldføre de manglende frames; dette vil give jævnere ændringer.
Læs flere relaterede artikler:
Ansvarsfraskrivelse
I tråd med den Trust Project retningslinjer, bemærk venligst, at oplysningerne på denne side ikke er beregnet til at være og ikke skal fortolkes som juridiske, skattemæssige, investeringsmæssige, finansielle eller nogen anden form for rådgivning. Det er vigtigt kun at investere, hvad du har råd til at tabe, og at søge uafhængig finansiel rådgivning, hvis du er i tvivl. For yderligere information foreslår vi at henvise til vilkårene og betingelserne samt hjælpe- og supportsiderne fra udstederen eller annoncøren. MetaversePost er forpligtet til nøjagtig, objektiv rapportering, men markedsforholdene kan ændres uden varsel.
Om forfatteren
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
Flere artikler
Damir er teamleder, produktchef og redaktør på Metaverse Post, der dækker emner som AI/ML, AGI, LLM'er, Metaverse og Web3-relaterede felter. Hans artikler tiltrækker et massivt publikum på over en million brugere hver måned. Han ser ud til at være en ekspert med 10 års erfaring i SEO og digital markedsføring. Damir er blevet nævnt i Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto og andre publikationer. Han rejser mellem UAE, Tyrkiet, Rusland og SNG som en digital nomade. Damir tog en bachelorgrad i fysik, som han mener har givet ham de kritiske tænkningskompetencer, der er nødvendige for at få succes i internettets evigt skiftende landskab.
