大家好，這里是和你們一起探索 AI 繪畫的花生~

圖像提示詞，也就是墊圖，是 midjourney 中一項非常重要且實用的功能，它可以提取一張圖像的風(fēng)格、顏色、構(gòu)圖等特征，生成類似的圖像，在制作風(fēng)格化頭像、生成 B 端 3D 圖標(biāo)等設(shè)計素材上用途廣泛。最近我也對墊圖功能進行了大量測試，摸索出不少實用小技巧，今天分享給大家~

一、內(nèi)容形式要一致

使用墊圖時，墊圖在寬高比、內(nèi)容形式等方面要與你最終想要的效果一致，這樣才能最大限度地還原墊圖所包含的特征。

例如你想將真人照片變成風(fēng)格化的頭像，那么上傳的圖像就應(yīng)該符合“頭像”的形式——人物頭部或者上半身的正面特寫，內(nèi)容清晰，面部沒有被其他物體遮擋等。使用全身照、頭部角度不對或?qū)捀弑炔灰恢碌葐栴}都可能會干擾圖像生成的質(zhì)量。

二、用文本描述強調(diào)畫面內(nèi)容

上傳圖像后，我們還需要在文本提示中，詳細描述所有我們想要的畫面特征，如畫面的風(fēng)格、人物的衣著/表情、物體的材質(zhì)/顏色，背景、環(huán)境等。如果沒有具體指定，遺漏的部分就會被 AI 自由發(fā)揮，導(dǎo)致與墊圖不像。

三、嘗試不同的 --iw 參數(shù)

--iw （image weight 圖像權(quán)重）參數(shù)可以調(diào)節(jié)墊圖與文本提示之間的權(quán)重比例，默認值是 1，可用數(shù)值范圍是 0-2，數(shù)值越高，效果圖越貼近墊圖；數(shù)值越低，效果圖越貼近文本提示詞。推薦在 0.5 -1.5 之間進行嘗試，獲取多種生成結(jié)果，再從中挑選最合適。

在 --iw 參數(shù)之外，還可以再添加 --s （stylize 風(fēng)格化）參數(shù)，豐富畫面細節(jié)，提升的整體質(zhì)感。它的默認值為 100，可用范圍是 0 -1000，數(shù)值可以在 250-750 之間嘗試。

四、用 --no 參數(shù)去除隱藏的干擾項

以下圖為例，將真人圖像轉(zhuǎn)為復(fù)古動漫風(fēng)格時，雖然在文本提示詞中用“動漫、復(fù)古插畫、卡通插畫”等關(guān)鍵詞對風(fēng)格進行了強調(diào)，但生成的圖像仍有比較明顯的立體感，不符合復(fù)古動漫二維扁平的特征。

這是因為 Midjourney 在處理墊圖時，會包含一個類似「describe 功能」的過程，即它會先識別墊圖的圖像特征，包括人物、物體、風(fēng)格、顏色、環(huán)境、材質(zhì)等，用這些關(guān)鍵詞形成一組提示，與我們寫的文本提示詞相結(jié)合，共同引導(dǎo)新圖像的生成，也就是一個“圖像→文本→圖像”的過程。

在這個過程中，如果墊圖所包含的一些風(fēng)格、材質(zhì)、色彩上的特征，與我們最終想要的圖像效果相反，它被 midjourney 提取為關(guān)鍵詞后，就會影響圖像的生成效果。就像上面的例子一樣，因為墊圖使用的是“寫實真人圖像”，里面包含一些潛在的關(guān)鍵詞就會干擾“復(fù)古的動漫插畫”的生成效果。提取潛在干擾關(guān)鍵詞方式有以下 2 種：

1. 直接根據(jù)墊圖與效果圖之間的差異進行判斷。墊圖用的是攝影照片，那么其中照片、攝影（photo\photograph）等關(guān)鍵詞，或者近似的 3D、3D 渲染等提示詞，都可能會干擾“二維動漫插畫風(fēng)格”的形成。

2. 使用「describe 功能」提取墊圖的相關(guān)提示詞，從中尋找可能的干擾項。

然后我們就可以使用 --no 參數(shù)，去除墊圖中潛在的干擾性詞語，圖像生成的效果就會在一定程度上得到改善。

除此之外，我們也可以再靈活調(diào)整 --iw 的數(shù)值，進一步優(yōu)化圖像效果?；蛘咴俅钆涓嗖煌膮?shù)一起使用，說不定能探索出一種新的圖像風(fēng)格。

五、記得多生成幾次

Midjourney 不是設(shè)計工具，設(shè)置了數(shù)值就會立即看到對應(yīng)的結(jié)果，而是具有很大的隨機性。所以對于一組提示詞，至少要刷 3-5 遍圖，才能比較全面地了解穩(wěn)定的出圖效果。在此基礎(chǔ)上，才能完整地了解目前圖像存在的不足，方便我們后續(xù)進行有針對性的修改。

所以在用 Midjourney 出圖時，一是要有耐心，多刷圖；二是要思路清晰，每次修改提示詞的時候，都先確定是為了解決什么問題，再準(zhǔn)確地修改對應(yīng)的部分。胡亂改動只會讓出圖效果越來越偏離我們我們原本的目標(biāo)，效率會很低下。