Cara Menghasilkan Animasi Morphing Gambar dengan ControlNet
Karena percobaan sebelumnya melakukand, kami memiliki gagasan untuk menggunakan ControlNet untuk morphing. Baru setelah itu kami beralih menggunakan model depth2img, yang dapat membuat gambar dari peta kedalaman, bukan ControlNet. Dan ControlNet dapat berfungsi tidak hanya secara mendalam. Posting ini memiliki lebih banyak informasi tentang teknik ini.
Saya akan memberi Anda ikhtisar singkat tentang prosedur ini. Opsi kekuatan denoising, yang memengaruhi jumlah langkah selama pembuatan, tersedia bagi kita jika kita membuat gambar di img2img. Misalnya, dengan langkah = 30 dan kekuatan denoising = 0.5, hanya tersisa 15 langkah untuk dibuat. Alasan ini dapat diterapkan untuk menganimasikan morf. Anda dapat mengubah gambar apa pun; potret bukan satu-satunya yang bisa dilakukan.
Ambil gambar aslinya. Aktifkan ControlNet sambil membiarkan kotak gambar kosong. Pilih seed menjadi -1 untuk menghasilkan tes acak; jumlah batch memengaruhi kuantitasnya. Anda dapat bereksperimen dengan parameter panduan, berat kartu yang diterima, dan mode ControlNet. Jika Anda menyukai generasinya, seret dengan mouse ke img2img dan kemudian ulangi prosesnya, cari gambar yang nantinya akan menjadi gambar kedua. Saat setiap gambar selesai, pertanyaan tentang cara membuat animasi muncul. (Sebagai permulaan, ingatlah untuk menyetel jumlah batch ke 1 untuk menghindari pembuatan foto tambahan.)
Kami akan menggunakan solusi yang menarik sekarang, tetapi saya akan membicarakan kekurangannya nanti.
Plot XYZ akan digunakan; Anda harus memilihnya dari daftar Skrip. Ini akan memungkinkan kita untuk membuat tidak hanya gambar akhir tetapi juga transisi dari gambar sumber.
Nilai X di dalam kita masukkan pada baris yang berbunyi:
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.
Artinya, saat pembuatan dimulai, kami akan menerima 21 gambar, bukan hanya satu (jumlah nilai yang dipisahkan koma). Mengapa garis ini ada? Misalnya, tampilannya bisa berbeda.
Format ini membuatnya lebih mudah untuk dipahami: Anda meminta 20 gambar dari otomatis dan memintanya untuk mendemonstrasikan bagaimana denoising akan memengaruhi hasil untuk nilai mulai dari 0 hingga 1. Kelemahan dari opsi kedua adalah menghasilkan perubahan linier pada nilai , karena karakteristik denoise, tampaknya tidak realistis morphing. Angka mendekati nol hampir tidak berpengaruh pada hasil. dan pada level yang lebih besar dari 0.5, , pengaruhnya mulai terasa.
Hasilnya, baris pertama adalah kurva bertipe x.4, atau x yang dinaikkan 0.4. Fungsi lurus, linier, dan melengkung, yang akan menghasilkan keluaran yang lebih akurat, dikontraskan dalam gambar. Anda dapat menggunakan blender untuk membuat string seperti itu.
Anda harus memilih jumlah bingkai untuk transisi sebelum membuat garis. Itu dapat diedit di pengaturan proyek.
Anda harus melakukan beberapa langkah untuk mendapatkan garis. Pertama, bereksperimenlah dengan bentuk kurva. Untuk mencapai ini, pilih "Hapus Bingkai Kunci" dari menu konteks parameter animasi.
Berikut rumus untuk mendapatkan kurva; parameter berubah menjadi biru, menandakan bahwa driver sedang beroperasi di dalamnya.
Anda dapat mengutak-atik nilainya di sini. 4. Tapi, hindari terlalu rendah. frame/21 menunjukkan pergeseran nilai dari 0 ke 1 pada frame 0 ke frame 21. Hanya nilai antara 1 dan 20 frame yang tersisa.
Meskipun demikian, kuncinya bukan pengemudi. Mereka harus dipersiapkan terlebih dahulu. Untuk melakukannya, klik Object > Animation > Bake Action di jendela 3d lalu klik OK.
Namun, ini akan memengaruhi semua kemungkinan kunci objek, dan harus dihapus. Pilih semuanya kecuali baris pertama dan tekan X pada keyboard (mouse harus ditempatkan di bawah daftar).
Dan sekarang, untuk mendapatkan garis di sisi kiri layar, klik mainkan dan buka jendela konsol.
Punya string yang bisa disalin.
Nah untuk membuat animasinya, Anda perlu melakukan proses ini secara terpisah untuk setiap posisi gambar yang dibuat di awal lalu merangkainya menjadi animasi di beberapa editor video.
Ya, prosesnya belum otomatis, tetapi Anda dapat menyesuaikan semuanya sendiri sepenuhnya. Anda dapat mengubah model pembuatan dan model dan mode ControlNet, mengaktifkan atau menonaktifkan praproses, atau apa pun yang Anda suka. Hal utama adalah jangan sampai kehilangan hasil yang bagus lalu ulangi semuanya dengan benar untuk membuat animasi.
Kerugian teknologi — Anda seharusnya tidak meletakkan banyak dasar untuk transisi. Kami menulis di atas bahwa denoise memengaruhi jumlah langkah. Mungkin hasilnya akan menduplikasi gambar karena beberapa nilai denoise akan berada dalam jumlah langkah yang sama. Jumlah mereka dapat diamati di konsol otomatis.
Teknologi ini dapat digunakan bersama dengan retarder interpolator, yaitu mengirimkan animasi untuk melengkapi bingkai yang hilang; ini akan memberikan perubahan yang lebih halus.
Baca artikel terkait lainnya:
Penolakan tanggung jawab
Sejalan dengan Percayai pedoman Proyek, harap dicatat bahwa informasi yang diberikan pada halaman ini tidak dimaksudkan untuk dan tidak boleh ditafsirkan sebagai nasihat hukum, pajak, investasi, keuangan, atau bentuk nasihat lainnya. Penting untuk hanya menginvestasikan jumlah yang mampu Anda tanggung kerugiannya dan mencari nasihat keuangan independen jika Anda ragu. Untuk informasi lebih lanjut, kami menyarankan untuk merujuk pada syarat dan ketentuan serta halaman bantuan dan dukungan yang disediakan oleh penerbit atau pengiklan. MetaversePost berkomitmen terhadap pelaporan yang akurat dan tidak memihak, namun kondisi pasar dapat berubah tanpa pemberitahuan.
Tentang Penulis
Damir adalah pemimpin tim, manajer produk, dan editor di Metaverse Post, mencakup topik seperti AI/ML, AGI, LLM, Metaverse, dan Web3-bidang terkait. Artikelnya menarik lebih dari satu juta pengguna setiap bulan. Dia tampaknya ahli dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebutkan dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, dan publikasi lainnya. Dia melakukan perjalanan antara UEA, Turki, Rusia, dan CIS sebagai pengembara digital. Damir memperoleh gelar sarjana dalam bidang fisika, yang menurutnya telah memberinya keterampilan berpikir kritis yang diperlukan untuk berhasil dalam lanskap internet yang selalu berubah.
lebih artikel
Damir adalah pemimpin tim, manajer produk, dan editor di Metaverse Post, mencakup topik seperti AI/ML, AGI, LLM, Metaverse, dan Web3-bidang terkait. Artikelnya menarik lebih dari satu juta pengguna setiap bulan. Dia tampaknya ahli dengan pengalaman 10 tahun dalam SEO dan pemasaran digital. Damir telah disebutkan dalam Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto, dan publikasi lainnya. Dia melakukan perjalanan antara UEA, Turki, Rusia, dan CIS sebagai pengembara digital. Damir memperoleh gelar sarjana dalam bidang fisika, yang menurutnya telah memberinya keterampilan berpikir kritis yang diperlukan untuk berhasil dalam lanskap internet yang selalu berubah.
