Miten luodaan Image Morphing -animaatio ControlNetin avulla
Aikaisemman kokeilun takia suorittaad, meillä oli ajatus käyttää ControlNetiä muuntamiseen. Vasta sitten siirryimme ControlNetin sijaan käyttämään deep2img-mallia, joka voi luoda kuvan syvyyskartasta. ControlNet ei voi toimia vain syvällisesti. Tämä viesti on enemmän tietoa tekniikasta.
Annan sinulle nopean yhteenvedon menettelystä. Kohinanvaimennusvaihtoehto, joka vaikuttaa vaiheiden määrään generoinnin aikana, on käytettävissämme, jos luomme kuvan img2img:ssä. Esimerkiksi, kun askeleet = 30 ja vaimennusvoimakkuus = 0.5, luomiseen on jäljellä vain 15 vaihetta. Tätä päättelyä voidaan soveltaa morfin animoimiseen. Voit muuttaa minkä tahansa kuvan; muotokuvat eivät ole ainoita, joita voidaan tehdä.
Ota alkuperäinen kuva. Aktivoi ControlNet jättäen kuvaruudun tyhjäksi. Valitse siemen arvoksi -1 satunnaisten testien luomiseksi; erämäärä vaikuttaa niiden määrään. Voit kokeilla opastusparametreja, vastaanotetun kortin painoa ja ControlNet-tilaa. Jos pidät sukupolvesta, vedä se hiirellä kohtaan img2img ja toista sitten prosessi etsien kuvaa, josta toinen kuva lopulta tulee. Kun jokainen kuva valmistuu, herää kysymys animaation luomisesta. (Aluksi muista asettaa erämääräksi 1 välttääksesi ylimääräisten valokuvien luomisen.)
Hyödynnämme nyt kiehtovaa ratkaisua, mutta sen puutteista kerron myöhemmin.
XYZ-kuvaa käytetään; sinun on valittava se Script-luettelosta. Sen avulla voimme luoda lopullisen kuvan lisäksi myös siirtymän lähdekuvasta.
X-arvot laitamme riville, joka kuuluu:
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.
Tämä tarkoittaa, että kun sukupolvi alkaa, saamme 21 kuvaa yhden sijasta (pilkuilla eroteltujen arvojen määrä). Miksi tämä linja on siellä? Se voi esimerkiksi näyttää erilaiselta.
Tämä muoto helpottaa ymmärtämistä: pyydät 20 kuvaa automatisoidulta ja pyydät sitä osoittamaan, kuinka kohinan poistaminen vaikuttaa tulokseen arvoilla 0–1. Toisen vaihtoehdon haittana on, että se johtaa lineaariseen muutokseen arvoissa , melun ominaisuuksien vuoksi se ei vaikuta realistiselta muodostelmalta. Lähes nollaluvuilla ei juuri ole vaikutusta lopputulokseen. ja tasoilla yli 0.5, , se alkaa vaikuttaa erittäin selvästi.
Tämän seurauksena ensimmäinen rivi on käyrä, jonka tyyppi on x.4 tai x korotettuna 0.4. Suora, lineaarinen funktio ja kaareva funktio, jotka tuottavat tarkemman lopputuloksen, eroavat kuvassa. Voit luoda tällaisen merkkijonon tehosekoittimella.
Sinun on valittava siirtymän kehysten määrä ennen rivin luomista. Sitä voi muokata projektin asetuksista.
Sinun on suoritettava useita vaiheita saadaksesi linjan. Kokeile ensin käyrän muotoa. Voit saavuttaa tämän valitsemalla animaatioparametrin pikavalikosta "Poista avainkehykset".
Tässä on kaava käyrän saamiseksi; parametri muuttui siniseksi, mikä osoittaa, että ohjain toimii siinä.
Arvon kanssa voi vipuilla täällä. 4. Älä kuitenkaan mene liian alas. frame/21 tarkoittaa arvon muutosta 0:sta 1:stä kehyksessä 0 kehykseen 21. Vain arvot välillä 1 - 20 kehystä on jäljellä.
Avaimet eivät kuitenkaan ole kuljettaja. Ne on ensin valmisteltava. Suorita tämä napsauttamalla 3d-ikkunassa Objekti > Animaatio > Leikkaa toiminto ja napsauta sitten OK.
Tämä vaikuttaa kuitenkin kaikkiin objektin mahdollisiin avaimiin, ja ne tulee poistaa. Valitse kaikki paitsi ensimmäinen rivi ja paina näppäimistön X-näppäintä (hiiren tulee sijaita luettelon alla).
Ja nyt saadaksesi rivi näytön vasemmalle puolelle, napsauta toistopainiketta ja avaa konsoli-ikkuna.
Minulla on merkkijono, joka voidaan kopioida.
Nyt animaation tekemiseksi sinun on tehtävä tämä prosessi erikseen jokaiselle alussa tehdylle kuvapaikalle ja koottava se sitten animaatioksi jossain videoeditorissa.
Kyllä, prosessi ei ole vielä automatisoitu, mutta voit mukauttaa kaiken täysin itse. Voit muuttaa sukupolvimallia ja ControlNet-mallia ja -tilaa, ottaa käyttöön tai poistaa käytöstä esikäsittelyn tai mitä tahansa muuta haluamaasi. Tärkeintä on, että et menetä hyviä tuloksia ja toista sitten kaikki oikein animaation luomiseksi.
Tekniikan haitat – sinun ei pitäisi luoda paljon pohjatyötä siirtymiselle. Kirjoitimme yllä, että kohina vaikuttaa vaiheiden määrään. Saattaa osoittautua, että tulos kopioidaan kuvia, koska useat kohinaarvot ovat saman askelmäärän sisällä. Niiden lukumäärä näkyy automaattisessa konsolissa.
Tätä tekniikkaa voidaan käyttää yhdessä interpolaattorin hidastimien kanssa, toisin sanoen animaation lähettämisessä puuttuvien kehysten täydentämiseksi; tämä antaa sujuvampia muutoksia.
Lue lisää aiheeseen liittyviä artikkeleita:
Vastuun kieltäminen
Mukaisesti Luottamusprojektin ohjeetHuomaa, että tällä sivulla annettuja tietoja ei ole tarkoitettu eikä niitä tule tulkita oikeudellisiksi, verotukselliseksi, sijoitus-, rahoitus- tai minkään muun muodon neuvoiksi. On tärkeää sijoittaa vain sen verran, mitä sinulla on varaa menettää, ja pyytää riippumatonta talousneuvontaa, jos sinulla on epäilyksiä. Lisätietoja saat käyttöehdoista sekä myöntäjän tai mainostajan tarjoamista ohje- ja tukisivuista. MetaversePost on sitoutunut tarkkaan, puolueettomaan raportointiin, mutta markkinaolosuhteet voivat muuttua ilman erillistä ilmoitusta.
Author
Damir on tiimin johtaja, tuotepäällikkö ja toimittaja osoitteessa Metaverse Post, kattaa aiheita, kuten AI/ML, AGI, LLMs, Metaverse ja Web3- liittyvät kentät. Hänen artikkelinsa houkuttelevat yli miljoonan käyttäjän massiivisen yleisön joka kuukausi. Hän näyttää olevan asiantuntija, jolla on 10 vuoden kokemus hakukoneoptimoinnista ja digitaalisesta markkinoinnista. Damir on mainittu Mashablessa, Wiredissä, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ja muut julkaisut. Hän matkustaa Arabiemiirikuntien, Turkin, Venäjän ja IVY-maiden välillä digitaalisena nomadina. Damir suoritti kandidaatin tutkinnon fysiikasta, jonka hän uskoo antaneen hänelle kriittisen ajattelun taidot menestyäkseen jatkuvasti muuttuvassa internetin maisemassa.
lisää artikkeleita
Damir on tiimin johtaja, tuotepäällikkö ja toimittaja osoitteessa Metaverse Post, kattaa aiheita, kuten AI/ML, AGI, LLMs, Metaverse ja Web3- liittyvät kentät. Hänen artikkelinsa houkuttelevat yli miljoonan käyttäjän massiivisen yleisön joka kuukausi. Hän näyttää olevan asiantuntija, jolla on 10 vuoden kokemus hakukoneoptimoinnista ja digitaalisesta markkinoinnista. Damir on mainittu Mashablessa, Wiredissä, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto ja muut julkaisut. Hän matkustaa Arabiemiirikuntien, Turkin, Venäjän ja IVY-maiden välillä digitaalisena nomadina. Damir suoritti kandidaatin tutkinnon fysiikasta, jonka hän uskoo antaneen hänelle kriittisen ajattelun taidot menestyäkseen jatkuvasti muuttuvassa internetin maisemassa.
