在上篇的權重基礎中我們已經(jīng)提到過“融合”這一概念。最近，通過對webui的代碼解讀，我們對之前使用的“豎線融合”有了新的認知，同時我們也了解到了只在webui上生效的分布渲染方法。

循環(huán)繪制

[A | B]

兩個或者多個關鍵詞之間加 | 可以表示循環(huán)繪制：

例如[cat | dog]

這個句式的基本邏輯是先畫一步cat再畫一步dog，按照這樣的順序循環(huán)畫下去。

這個邏輯可以一直延伸下去：

[A | B | C | D |E | F .......]

即畫一筆A，再畫一筆B，再畫一筆C，?······

而對于帶步數(shù)權重的循環(huán)繪制[A:w1 | B:w2]，在11月1日的元素同典中表示只有naifu生效，而webui中只是被當做數(shù)字讀取，而另一種[(A:w1) | (B:w2)]雖然能讀取權重，但是只是對權重的調(diào)整，不能起到調(diào)整繪畫步驟的效果

即：在naifu中可以通過cat:2|dog:3，大致上實現(xiàn)先畫2步cat再畫3步dog這樣的循環(huán)方式。

而這webui中，(cat:2)|(dog:3)會被讀作 第一步(cat:2)，第二步（dog:3)這樣的權重效果。

在簡單使用[cat | dog]的時候可以起到混合圖形的效果。可以寫成cat:0.2|dog 這樣來修改混合比例，這個比例最大100，可以是負值，負數(shù)的話可能會產(chǎn)生不可控的相反的效果 cat:1|happy:-0.2|cute:-0:3（備注：這一小段寫于10月20日前，目前可能已經(jīng)發(fā)生了變化

雖然很怪，但是還是能看出貓和狗的變化。。。好吧還是不要隨便嘗試煉成術

prompt matrix中的豎線

根據(jù)wiki的描述，這一方法需要開啟prompt matrix才能生效，但是實際過程中好像沒有收到限制。

反而如果開啟后，會先跑一張豎線前所有prompts的圖，再跑一張包含豎線后全部prompts的圖。如：1girl, black idol dress|red hanfu, wet clothes.

在開啟prompt matrix后，第一張圖只會執(zhí)行1girl，black idol dress。第二張圖會執(zhí)行1girl, black idol dress, red hanfu, wet clothes.

實際看這種方法與直接融合的方法還是有少許區(qū)別

tips:有一個很有趣的現(xiàn)象，漢服的領子不會打濕

畫風融合

一張圖中，同時存在兩種畫風，一次成型基本是不能做到的，ai會把畫風融合起來，另外如果用inpaint和img2img進行二次處理也是比較難做到畫風修正

同時一幅畫里有兩種畫風的不同物體也是比較難做到的，ai會盡力讓兩個畫風出現(xiàn)，但是能不能出現(xiàn)在要求的物體上就不好說了

?

分步渲染

分步渲染是使用webui獨有的語法在同一個繪圖中分別繪制不同的prompt。該方法目前建立在10月20日之后更新的webui基礎上。

該語法為：

[A:B:step]

（這里面有兩個冒號，分別表示A與B內(nèi)容的分段，和賦值步數(shù)長度）

這個語法具體表示為“在執(zhí)行到step前，先繪制A的內(nèi)容，之后再繪制B的內(nèi)容”

step為大于1的整數(shù)時表示步數(shù)，為小于1的正小數(shù)時表示總步數(shù)的百分比。

比如a girl with [white idol dress:red hanfu:0.2]會在前20%步數(shù)被視為a girl with white idol dress，在后80%步數(shù)被視為 a girl with red hanfu。

我們可以將其視為，ai在畫了一部分white idol dress后，再在white idol dress的基礎上畫red hanfu。

由此延伸出這個方法的兩種額外寫法：

[?:B:step] 將A設置為空，即只在step后繪制B的內(nèi)容

[A:?:step]?將B設置為空，即只繪制A的內(nèi)容直到step

所以這個方法非常適合“在物體上雕花”。比如我先畫一件濕衣服，再畫出深色的內(nèi)衣（誤）如果這個過程中濕衣服和內(nèi)衣的順序反了，那就只會在內(nèi)衣上加點濕衣服元素。所以這個語句的使用還要考慮到里面兩個物體的繪畫先后順序。

另外，根據(jù)目前的使用經(jīng)驗來看，在[ ]方括號內(nèi)部添加其他括號或者權重調(diào)整時，請反復檢查括號的使用。

值得注意的是，分布渲染在繪制時存在一定的延后性，例如該圖設定人物渲染50步，背景渲染后50步。但是可以看見人物的渲染在60步時才基本完全結束。這里猜測ai對人物的判定大概注意在面部，而頭發(fā)，裝飾等細節(jié)都可能被判斷為環(huán)境而繼續(xù)進行渲染。（左側為使用[人物::50], 右側為[人物::0.5]）

那么，有了分步渲染，我們是不是就能做到畫風融合了呢？

答：目前的結果依舊不樂觀。

分步渲染的時候，如果長時間對一個目標進行渲染了，比如話我先對人物進行渲染，這個過程中ai可能會丟棄掉人物周圍的噪聲點，這就導致了輪到背景開始渲染時，已經(jīng)沒有足夠的噪聲供給了，就會出現(xiàn)很簡單的背景。

提前對背景開始渲染，可以讓背景更豐富一點。

提高了CFG?scale后，ai變得死板，對噪聲清除變快，使得背景更加單調(diào)。

基本看不到提升，分步渲染的時候?qū)︿秩緦ο笸獾脑肼暻宄炝恕??！?/p>

背景預留式的分步邏輯

那換一個思路，我能不能一開始就給背景留一點渲染空間呢。這就像是人繪畫的時候先打個草稿一樣，把大致的色彩都先抹好，然后再來“加點細節(jié)”。

答案是可以的，這樣確實會提升背景的豐富度。當然一開始的噪聲改變了，人物也會改變。

在頭50步對人物進行渲染，我們使用?[A:?:step]：

solo,[(impasto:1.3),(a detailed cute loli with red eyes and long wavy curly white_color_hair with single ponytail with gold Headdress and star earrings and wear detailed gorgeous white dress with gold patterns and lace), (beautiful detailed eyes:1.2),(cute face:1.2),expressionless, (medium breast:1.2),blush,(upper body, thigh),(colorful splashes:1.3): :0.5],

（請關注該段末尾的符號使用。不要學習這里的人物描寫長句，這個長句有巨大的問題。with的鏈接性及其不可靠，造成了大量的元素污染，長句建議也只用and連接）

同時在頭10步渲染背景，留下噪點：

[((flat color),(bright colorful background),(((high saturation))),(surrounded by colorful splashes),((surrounded by colorful dot)),surrounded by colorful flowers,(shining),Malt Syrup):?:0.1],

后50步單獨渲染背景，我們使用?[?:B:step]：

[:((flat color),(bright colorful background),(((high saturation))),(surrounded by colorful splashes),((surrounded by colorful dot)),surrounded by colorful flowers,(shining),Malt Syrup)?:0.5]

完整的時間線邏輯如下

這還是CFG=11的情況，那么把CFG調(diào)回到6呢

似乎能夠在一定程度上豐富了細節(jié)

這背景是好看了，元素污染及其嚴重，這是未進行元素綁定的問題。

關于元素綁定，我們有強短句和長句兩種方法來綁定；

強短句是利用大寫的AND來鏈接詞匯，長句就是根據(jù)語言邏輯來寫一個完整的描述。

這部分內(nèi)容在彩虹糖果女孩tags分析中有進行表述。

對強短句內(nèi)容進行一點修正。AND的優(yōu)先級很高，在長括號里面會影響括號的權重調(diào)整（削弱權重效果）。優(yōu)先用短括號對詞組包裹。

回到畫風融合的問題。。實際上我們大概能得到一丁點相似的地方，比如背景描述中的平涂小花。但是依舊很難實現(xiàn)在整個平涂背景上畫出一個厚涂的角色。。。。

更多資料：

標準三段術式及絢麗術解析

廣義三段術式構造

權重基礎

ai生成表情包

秘境術

如何畫指定雙人貼貼，由大及小的分步畫法

元素同典

【騰訊文檔】AI繪畫——深度教程

https://docs.qq.com/doc/DQ3ZJSGFmeVpWc2ta