如何使用 ControlNet 生成圖像變形動畫
由於之前的實驗 進行d，我們有使用 ControlNet 進行變形的想法。 直到那時我們才切換到使用 depth2img 模型，它可以從深度圖創建圖像，而不是 ControlNet。 ControlNet 不僅可以在深度上發揮作用。 本帖 有更多關於該技術的信息。
我會給你一個程序的簡要說明。 如果我們在 img2img 中生成圖像，則可以使用去噪強度選項，它會影響生成過程中的步驟數。 例如，steps = 30 且 denoising strength = 0.5，則只剩下 15 個步驟要創建。 這個推理可以應用於動畫變形。 您可以變形任何圖像； 肖像並不是唯一可以做的。
拍攝原始照片。 激活 ControlNet，同時將圖片框留空。 選擇seed為-1生成隨機測試； 批次計數會影響它們的數量。 您可以嘗試引導參數、接收卡的重量和 ControlNet 模式。 如果你喜歡生成，用鼠標將它拖到img2img，然後重複這個過程，尋找第二張圖片最終會變成的圖片。 當每張圖片都完成後，如何製作動畫的問題就出現了。 （開始時，請記住將批次計數設置為 1 以避免創建額外的照片。）
我們現在將使用一個有趣的解決方案，但稍後我將討論它的缺點。
將使用 XYZ 圖； 您必須從腳本列表中選擇它。 它將使我們不僅可以創建最終圖像，還可以創建源圖像的過渡。
我們將 X 值放在以下行中：
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.
這意味著當生成開始時，我們將收到 21 張圖片而不是一張（用逗號分隔的值的數量）。 為什麼會有這條線？ 例如，它可能看起來不同。
這種格式使其更易於理解：您從自動化請求 20 張圖像並要求它演示去噪將如何影響 0 到 1 範圍內的值的結果。第二個選項的缺點是它會導致值的線性變化，因為denoise的特性，看起來不是逼真的變形。 接近零的數字幾乎對結果沒有影響。 並且在大於 0.5 的水平上，它開始產生非常顯著的影響。
結果，第一條線是 x.4 類型的曲線，或者 x 增加了 0.4。 直線、線性函數和曲線將產生更準確的輸出，在圖像中形成對比。 您可以使用攪拌器來創建這樣的字符串。
在創建線條之前，您必須選擇過渡的幀數。 它可以在項目設置中編輯。
您必須執行多個步驟才能獲得一行。 首先，試驗曲線的形狀。 為此，請從動畫參數的上下文菜單中選擇“刪除關鍵幀”。
這是獲取曲線的公式； 參數變為藍色，表示驅動程序正在其中運行。
你可以在這裡擺弄價值。 4. 但是，避免太低。 frame/21 表示在第 0 幀到第 1 幀處從 0 到 21 的值偏移。僅保留 1 到 20 幀之間的值。
儘管如此，鑰匙不是驅動程序。 他們必須先做好準備。 為此，請在 3d 窗口中單擊“對象”>“動畫”>“烘焙動作”，然後單擊“確定”。
但是，這會影響對象所有可能的鍵，應該刪除它們。 選擇除第一行以外的所有內容，然後按鍵盤上的 X（鼠標應位於列表下方）。
現在，要獲得屏幕左側的行，請單擊播放並打開控制台窗口。
得到一個可以復制的字符串。
現在要製作動畫，需要對一開始製作的每個圖片位置分別做這個過程，然後在一些視頻編輯器中將其組合成動畫。
是的，這個過程還不是自動化的，但你可以為自己完全定制一切。 您可以更改生成模型和 ControlNet 模型和模式，啟用或禁用預處理，或您喜歡的任何其他內容。 最主要的是不要失去好的結果，然後正確地重複一切以創建動畫。
技術的缺點——你不應該為過渡打下很多基礎。 我們在上面寫道，降噪會影響步數。 結果可能是輸出會重複圖片，因為幾個去噪值將在相同的步數內。 他們的數量可以在自動控制台中觀察到。
該技術可以與interpolator retarders結合使用，即發送動畫補全缺幀； 這將提供更平滑的更改。
閱讀更多相關文章：
免責聲明
在與線 信託專案指南，請注意，本頁提供的資訊無意且不應被解釋為法律、稅務、投資、財務或任何其他形式的建議。 重要的是，僅投資您可以承受損失的金額，並在有任何疑問時尋求獨立的財務建議。 如需了解更多信息，我們建議您參閱條款和條件以及發行人或廣告商提供的幫助和支援頁面。 MetaversePost 致力於提供準確、公正的報告，但市場狀況如有變更，恕不另行通知。
關於作者
Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。 他的文章每月吸引超過一百萬用戶的大量讀者。 他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。 達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。 他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。 達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。
更多文章
Damir 是團隊領導、產品經理和編輯 Metaverse Post，涵蓋 AI/ML、AGI、LLM、Metaverse 等主題 Web3- 相關領域。 他的文章每月吸引超過一百萬用戶的大量讀者。 他似乎是一位在 SEO 和數字營銷方面擁有 10 年經驗的專家。 達米爾曾在 Mashable、Wired、 Cointelegraph、《紐約客》、Inside.com、Entrepreneur、BeInCrypto 和其他出版物。 他作為數字游牧者往返於阿聯酋、土耳其、俄羅斯和獨聯體國家之間。 達米爾獲得了物理學學士學位，他認為這賦予了他在不斷變化的互聯網格局中取得成功所需的批判性思維技能。
