Midjourney具有很强的模仿能力,可以使用图像生成技术生成类似原始图像的新图像。这种技术使用深度学习神经网络模型来生成具有相似特征的图像。
在图像生成中,神经网络模型通常被称为“生成对抗网络”,由生成器和判别器两个神经网络组成。生成器负责生成新图像,而判别器负责识别生成器生成的图像是否与真实图像相似。这两个神经网络不断互相对抗和学习,使生成的图像逐渐接近用户上传的参考图像。
具体使用步骤如下。
01 单击命令行中的+按钮,在菜单中执行“上传文件”命令,然后选择参考图像。
02 图像上传完成后,会显示在工作窗口。
03 选中这张图像,然后右击,在弹出的快捷菜单中执行“复制图片地址”命令,然后单击其他空白区域,退出观看图像状态。
04 输入或找到/imagine命令,在参数区先按快捷键Ctrl+V执行粘贴操作,将上一步复制的图片地址粘贴到提示词的最前方,然后按空格键,并输入对生成图片效果、风格等方面的描述,再添加参数,按Enter键确认,即可得到所需的效果。
下左图所示为上传的参考图像,下中图所示为生成的4幅初始图像,下右图所示为放大其中一幅图像后的效果,可以看出整体效果与原参考图像相似,质量不错。
当用前文所讲述的以图生图的方法进行创作时,可以用图像权重参数--iw来调整参考图像对最终效果的影响程度。较高的--iw值意味着参考图像对最终结果的影响更大。
不同的Midjourney版本模型具有不同的图像权重范围。
对于V5版本,此数值默认为1,数值范围为0.5~2;对于V3版本,此数值默认为0.25,数值范围为-10000~10000。
右图所示为使用的参考图,提示语为flower --v 5 --s 500,下面4组图像为--iw参数分别为0.5(左上)、1(右上)、1.5(左下)、2(右下)时的效果。
通过图像可以看出,当--iw数值较小时,提示语flower对最终图像的生成效果影响更大;但当--iw数值为2时,生成的最终图像与原始图像非常接近,提示语flower对最终图像的生成效果影响不大。
使用图生图功能时,一个有用的技巧是自制参考图,这需要有一定的Photoshop软件应用技巧,但却可以得到更符合需求的参考图。用户可以根据自己的想象,将若干个元素拼贴在一幅图中,操作时无须考虑元素之间的颜色、明暗匹配关系,只需考虑整体构图及元素比例即可。例如,下左图所示为使用若干元素拼贴的一幅参考图,可以明显看出各个元素之间的颜色与明暗有很大差异。下中图所示为根据此参考图得到的4幅初始图像,下右图所示为放大后的效果。
下面展示另外两组使用自制图方法制作的图像示例。