AiToolGo的标志

掌握生成式AI以定制艺术风格:艺术家的全面指南

深入讨论
技术性,易于理解
 0
 0
 85
Civitai的标志

Civitai

Civitai

本指南提供了使用生成式AI训练您的绘画的全面流程,专注于创建自定义LoRa模型以实现一致和风格化的图像生成。它涵盖了数据集准备、标记、训练设置和使用Civitai生成图像的过程,并在整个过程中提供实用提示和示例。
  • 主要观点
  • 独特见解
  • 实际应用
  • 关键主题
  • 核心洞察
  • 学习成果
  • 主要观点

    • 1
      提供了详细的自定义LoRa模型训练的逐步指南。
    • 2
      为每个步骤提供实用示例和解释,使其易于遵循。
    • 3
      包括有关数据集准备、标记和训练配置的宝贵见解。
    • 4
      演示了如何在Civitai上使用训练好的LoRa模型进行图像生成。
  • 独特见解

    • 1
      解释了基础模型、检查点和LoRa模型之间的区别。
    • 2
      强调了数据集选择和激活词选择一致性的重要性。
    • 3
      提供了优化训练参数和选择合适优化器的实用提示。
  • 实际应用

    • 本指南使艺术家能够创建自定义AI模型,生成他们所需风格的图像,加速工作流程并探索创意可能性。
  • 关键主题

    • 1
      LoRa训练
    • 2
      数据集准备
    • 3
      使用Colab笔记本标记
    • 4
      训练配置
    • 5
      使用Civitai生成图像
  • 核心洞察

    • 1
      为艺术家提供全面且实用的指南,以使用生成式AI训练他们的绘画。
    • 2
      为每个步骤提供详细的解释和示例,使其易于遵循。
    • 3
      包括有关优化训练参数和选择合适优化器的宝贵见解。
    • 4
      演示了如何在Civitai上使用训练好的LoRa模型进行图像生成,这是一个免费且易于访问的平台。
  • 学习成果

    • 1
      理解LoRa模型的概念及其在图像生成中的应用。
    • 2
      学习如何准备数据集、标记图像和配置LoRa模型的训练参数。
    • 3
      获得使用Colab笔记本训练自定义LoRa模型的实践经验。
    • 4
      发现如何使用Civitai上传和分享自定义LoRa模型以进行图像生成。
示例
教程
代码示例
可视化内容
基础知识
高级内容
实用技巧
最佳实践

艺术家的生成式AI简介

生成式AI为艺术家开辟了新的可能性,使他们能够加速工作流程,探索有趣的替代方案,并克服技术限制。本指南专注于帮助艺术家创建自定义LoRa(低秩适应)模型,以生成他们独特风格的资产。通过遵循此过程,艺术家可以掌控其AI生成创作的一致性和风格。 本指南将引导您完成几个关键步骤: 1. 收集您自己绘画的数据集 2. 自动获取您图像的描述 3. 使用图像和描述训练算法 4. 使用生成的safetensor文件生成您风格的新图像 虽然有许多平台可用于使用您的自定义LoRa生成图像,但本指南专注于帮助您获取safetensor文件,该文件可以在各种生成平台上使用。

准备您的数据集

创建自定义LoRa模型的第一步是准备您自己绘画的数据集。以下是一些关键点: 1. 数量:至少从35张图像开始,但即使是较小的数据集也可以用于生成一个基本模型,随着时间的推移可以改进。 2. 一致性:在选择数据集的绘画时,保持您想要突出的特征的一致性。例如,如果您有特定的树木绘画风格,请包含该风格的多个示例。 3. 图像大小:虽然图像可以有不同的大小,但尽量坚持使用标准分辨率,如1024x1024、780x1024和1024x780。大小变化过大可能会影响训练过程。 4. 质量:如果您图像较少,请关注它们的质量和分辨率,以弥补数量的不足。 5. 多样性:包括不同主题和构图,代表您的风格,例如风景、角色、物体以及您经常处理的任何特定主题。 准备您的数据集可能需要几个小时,但这是确保您的LoRa模型准确捕捉您独特艺术风格的关键步骤。

为AI训练标记图像

准备好数据集后,下一步是为AI训练标记您的图像。此过程涉及使用Colab笔记本自动生成图像描述。以下是操作步骤: 1. 访问提供的Colab笔记本进行图像标记。 2. 将笔记本连接到您的Google Drive并创建项目文件夹。 3. 将您的图像上传到项目文件夹中的数据集文件夹。 4. 在标记时选择两种视觉模型之一:动漫(更适合基于角色的艺术)或摄影(更适合一般图像和风景)。 5. 根据笔记本的建议设置标签敏感度的阈值。 6. 添加一个激活词,在生成时触发您的风格。选择一个独特的词,以免与常见标签混淆。 标记过程通常需要约4分钟。完成后,您将拥有一组准备好用于训练您的LoRa模型的标记图像。

设置训练笔记本

准备好并标记好数据集后,是时候设置训练笔记本了。本指南使用Hollowstrawberry的Lora Trainer笔记本。以下是关键步骤: 1. 输入您在标记过程中使用的相同项目名称。 2. 选择一个用于训练的基础模型。流行的选择包括Stable Diffusion SDXL base 1.0,适合资产创建。 3. 设置激活标签的数量(如果您在上一步使用了触发词,通常为1)。 4. 配置训练参数,我们将在下一部分中讨论。 请记住,基础模型的选择可能会影响您的LoRa在不同生成模型中的表现。例如,基于SDXL base 1.0训练的LoRa可能在基于SDXL的模型中表现最佳。

配置训练参数

正确配置训练参数对您的LoRa模型的成功至关重要。以下是需要考虑的关键参数: 1. num_repeats:每张图像训练的迭代次数。 2. Epochs:模型处理整个数据集的次数。 3. batch_size:模型在每个epoch中比较的图像数量。 要计算总训练步骤,请使用以下公式: (图像数量 x num_repeats)/ batch_size x epochs = 总步骤 目标是300到500个总步骤以获得最佳结果。以下是一些示例配置: - 10张图像:20 num_repeats,6 batch_size,10 epochs = 400步骤 - 50张图像:4 num_repeats,6 batch_size,10 epochs = 400步骤 - 100张图像:2 num_repeats,6 batch_size,10 epochs = 400步骤 对于优化器,选择adamW8bits(适用于较大数据集)或prodigy(适用于较小数据集,特别适合角色训练)。在更改优化器时,根据笔记本作者的建议调整参数。

运行LoRa训练过程

配置好所有参数后,是时候运行训练过程了: 1. 通过运行笔记本开始训练。 2. 该过程通常需要1.5到3小时。 3. 请注意,Google Colab提供有限的每日计算时间,因此笔记本可能在约3小时后断开连接。 4. 如果训练在完成之前停止,您可以在新会话中从中断的地方恢复。 5. 完成后,最终文件将在您的Google Drive的输出文件夹中可用。 在训练过程中,模型学习根据提供的数据集和标签生成您风格的图像。生成的safetensor文件包含可以用于指导各种AI艺术平台图像生成的学习参数。

使用您的自定义LoRa生成图像

拥有经过训练的LoRa模型后,您可以开始生成图像。虽然有许多可用的平台,但本指南使用Civitai作为免费的替代方案: 1. 将您的LoRa模型上传到Civitai(或您首选的平台)。 2. 按照平台的表单设置您的模型。如果您希望最初保持模型私密,请考虑隐私设置。 3. 选择与您的LoRa兼容的基础模型。 4. 编写包含您的激活词和所需元素的提示。 5. 生成图像并尝试不同的提示和设置。 请记住,生成的结果不是最终输出。您需要对生成的图像进行细化、清理和加工,以获得最佳结果。然而,这些AI生成的图像可以作为您艺术作品的优秀起点、占位符或灵感。

AI辅助艺术创作的最佳实践和提示

在您开始将AI生成艺术融入工作流程时,请记住以下最佳实践和提示: 1. 迭代是关键:不要指望第一次尝试就能得到完美的结果。尝试不同的提示、设置和基础模型,以找到最适合您风格的组合。 2. 后期处理是必不可少的:AI生成的图像通常需要清理、细化和额外的艺术输入。将这些生成视为起点,而不是最终产品。 3. 结合传统技术:将AI生成的元素与您手绘或数字创作的艺术结合,以获得独特的效果。 4. 尊重版权和伦理:确保您有权使用训练数据集中所有图像,并对您在创作过程中使用AI保持透明。 5. 持续学习:保持对AI艺术生成新发展的关注,因为该领域正在迅速发展。 6. 保持您独特的风格:将AI作为增强您创造力的工具,而不是替代它。您的艺术视野和技能仍然是您作品中最重要的元素。 7. 尝试不同的模型:尝试将您的LoRa与各种基础模型结合,以查看其表现以及哪些组合为您的风格带来最佳结果。 通过遵循本指南和这些最佳实践,您可以利用生成式AI的力量来增强您的艺术工作流程,探索新的可能性,并创建与您的个人风格相符的独特资产。

 原始链接:https://civitai.com/articles/5616/guide-to-training-your-drawings-with-generative-ai

Civitai的标志

Civitai

Civitai

评论(0)

user's avatar

    相关工具