ControlNet으로 이미지 모핑 애니메이션을 생성하는 방법
이전 실험으로 인해 지휘하다d, 우리는 모핑을 위해 ControlNet을 사용한다는 개념을 가지고 있었습니다. 그런 다음 ControlNet이 아닌 깊이 맵에서 이미지를 생성할 수 있는 depth2img 모델을 사용하도록 전환했습니다. 그리고 ControlNet은 심층적으로만 기능할 수 있는 것이 아닙니다. 이 게시물에 기술에 대한 자세한 정보가 있습니다.
절차를 간단히 알려드리겠습니다. 생성 중 단계 수에 영향을 미치는 노이즈 제거 강도 옵션은 img2img에서 이미지를 생성하는 경우 사용할 수 있습니다. 예를 들어 단계 = 30이고 노이즈 제거 강도 = 0.5인 경우 생성할 단계가 15개만 남습니다. 이 추론은 모프 애니메이션에 적용될 수 있습니다. 모든 이미지를 변형할 수 있습니다. 인물 사진만 할 수 있는 것은 아닙니다.
원본 사진을 찍습니다. 그림 상자를 비워두고 ControlNet을 활성화하십시오. 랜덤 테스트를 생성하려면 시드를 -1로 선택하십시오. 배치 수는 수량에 영향을 미칩니다. 안내 매개변수, 수신된 카드의 무게 및 ControlNet 모드를 실험할 수 있습니다. 세대가 마음에 들면 마우스로 img2img로 드래그한 다음 과정을 반복하면서 결국 두 번째 이미지가 될 이미지를 찾습니다. 모든 이미지가 완성되면 어떻게 애니메이션을 만들 것인가에 대한 질문이 떠오른다. (처음에는 추가 사진이 생성되지 않도록 배치 수를 1로 설정해야 합니다.)
지금은 흥미로운 솔루션을 활용하겠지만 그 단점에 대해서는 나중에 이야기하겠습니다.
XYZ 플롯이 사용됩니다. 스크립트 목록에서 선택해야 합니다. 이를 통해 최종 이미지뿐만 아니라 소스 이미지에서 전환도 생성할 수 있습니다.
X 값은 다음과 같은 줄에 입력합니다.
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.
즉, 생성이 시작되면 21개(쉼표로 구분된 값의 수)가 아닌 XNUMX개의 사진을 받게 됩니다. 이 줄이 왜 거기에 있습니까? 예를 들어 다르게 나타날 수 있습니다.
이 형식을 사용하면 이해하기가 더 쉽습니다. 자동화된 이미지에서 20개의 이미지를 요청하고 노이즈 제거가 0에서 1 사이의 값에 대한 결과에 어떤 영향을 미치는지 보여달라고 요청합니다. 두 번째 옵션의 단점은 값이 선형적으로 변경된다는 것입니다. , 디노이즈의 특성상 사실적인 모핑으로 보이지 않습니다. 0.5에 가까운 숫자는 결과에 거의 영향을 미치지 않습니다. XNUMX보다 큰 수준에서 매우 눈에 띄게 영향을 미치기 시작합니다.
결과적으로 첫 번째 선은 x.4 또는 0.4만큼 증가한 x 유형의 곡선입니다. 직선, 선형 함수 및 더 정확한 출력을 생성하는 곡선이 이미지에서 대조됩니다. 블렌더를 사용하여 이러한 문자열을 만들 수 있습니다.
선을 만들기 전에 전환할 프레임 수를 선택해야 합니다. 프로젝트 설정에서 편집할 수 있습니다.
라인을 얻으려면 여러 단계를 수행해야 합니다. 먼저 곡선의 모양을 실험합니다. 이를 위해 애니메이션 매개변수의 컨텍스트 메뉴에서 "키프레임 삭제"를 선택합니다.
곡선을 구하는 공식은 다음과 같습니다. 매개 변수가 파란색으로 바뀌어 드라이버가 작동 중임을 나타냅니다.
여기에서 값을 만지작거릴 수 있습니다. 4. 그러나 너무 낮아지는 것은 피하십시오. frame/21은 프레임 0에서 프레임 1까지 0에서 21로 값 이동을 나타냅니다. 1에서 20프레임 사이의 값만 남습니다.
그럼에도 불구하고 키는 드라이버가 아닙니다. 먼저 준비해야 합니다. 이를 수행하려면 3d 창에서 Object > Animation > Bake Action을 클릭한 다음 OK를 클릭합니다.
그러나 이것은 개체의 가능한 모든 키에 영향을 미치므로 삭제해야 합니다. 첫 번째 줄을 제외한 모든 항목을 선택하고 키보드에서 X를 누릅니다(마우스가 목록 아래에 있어야 함).
이제 화면 왼쪽에 줄을 표시하려면 재생을 클릭하고 콘솔 창을 엽니다.
복사할 수 있는 문자열이 있습니다.
이제 애니메이션을 만들려면 처음에 만든 각 사진 위치에 대해 이 프로세스를 개별적으로 수행한 다음 일부 비디오 편집기에서 애니메이션으로 조립해야 합니다.
예, 프로세스는 아직 자동화되지 않았지만 모든 것을 직접 맞춤화할 수 있습니다. 생성 모델과 ControlNet 모델 및 모드를 변경하거나 전처리를 활성화 또는 비활성화하거나 원하는 모든 것을 변경할 수 있습니다. 가장 중요한 것은 좋은 결과를 잃지 않고 모든 것을 올바르게 반복하여 애니메이션을 만드는 것입니다.
기술의 단점 — 전환을 위한 많은 토대를 마련해서는 안 됩니다. 노이즈 제거가 단계 수에 영향을 미친다고 위에서 썼습니다. 여러 노이즈 제거 값이 동일한 단계 수 내에 있기 때문에 출력이 그림을 복제할 수 있습니다. 번호는 자동 콘솔에서 볼 수 있습니다.
이 기술은 인터폴레이터 리타더와 함께 사용할 수 있습니다. 즉, 애니메이션을 전송하여 누락된 프레임을 완성할 수 있습니다. 이것은 더 부드러운 변화를 줄 것입니다.
더 많은 관련 기사 읽기:
책임 부인
줄 안 트러스트 프로젝트 지침, 이 페이지에 제공된 정보는 법률, 세금, 투자, 재정 또는 기타 형태의 조언을 제공하기 위한 것이 아니며 해석되어서도 안 됩니다. 손실을 감수할 수 있는 만큼만 투자하고 의심스러운 경우 독립적인 재정 조언을 구하는 것이 중요합니다. 자세한 내용은 이용약관은 물론 발행자나 광고주가 제공하는 도움말 및 지원 페이지를 참조하시기 바랍니다. MetaversePost 는 정확하고 편견 없는 보고를 위해 최선을 다하고 있지만 시장 상황은 예고 없이 변경될 수 있습니다.
저자에 관하여
Damir는 팀 리더, 제품 관리자 및 편집자입니다. Metaverse Post, AI/ML, AGI, LLM, Metaverse 및 Web3-관련 분야. 그의 기사는 매달 백만 명이 넘는 사용자의 엄청난 청중을 끌어들입니다. 그는 SEO 및 디지털 마케팅 분야에서 10년의 경험을 가진 전문가로 보입니다. Damir는 Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto 및 기타 간행물. UAE, 터키, 러시아, CIS를 오가며 디지털 유목민으로 활동하고 있습니다. Damir는 끊임없이 변화하는 인터넷 환경에서 성공하는 데 필요한 비판적 사고 기술을 제공했다고 믿는 물리학 학사 학위를 받았습니다.
더 많은 기사
Damir는 팀 리더, 제품 관리자 및 편집자입니다. Metaverse Post, AI/ML, AGI, LLM, Metaverse 및 Web3-관련 분야. 그의 기사는 매달 백만 명이 넘는 사용자의 엄청난 청중을 끌어들입니다. 그는 SEO 및 디지털 마케팅 분야에서 10년의 경험을 가진 전문가로 보입니다. Damir는 Mashable, Wired, Cointelegraph, The New Yorker, Inside.com, Entrepreneur, BeInCrypto 및 기타 간행물. UAE, 터키, 러시아, CIS를 오가며 디지털 유목민으로 활동하고 있습니다. Damir는 끊임없이 변화하는 인터넷 환경에서 성공하는 데 필요한 비판적 사고 기술을 제공했다고 믿는 물리학 학사 학위를 받았습니다.
