基于 Stable Diffusion WebUI AI 建模辅助，轻松实现效果图

针对可视化大屏或产品介绍图这类场景，经常需要通过建模的方式进行设计内容。然而，目前通用流程耗时较长，涉及草稿，建模，贴材质和渲染等，并且这些流程中往往会有一定的重复工作。

因此，本次分享将会给大家介绍如何省时省力的得到我们想要的效果图。

如果我们借助AI生成工具， 并基于白模的形式可以较为快速生成的效果图，这样可以在前期沟通的时候就可以较为快速高效的达成共识。因此，接下来将为大家介绍一些较为高效的方式方法。

目前市面上的大部分AI生图的产品都是基于 Stable Diffusion 开源的产品；且此类产品的页面布局基本相同。

本次方案的介绍是基于此类型产品的预处理（controlnet）插件得以实现。

首先， 用户需要选择对应的大模型， lora模型，添加正负提示词···，这部分如下所示：

在选好对应的模型后，即可打开预处理模块。一般预处理模块在页面角落，如下红框位置所示：

用户点击打开后即展示对应预处理模块。预处理技术（controlnet）的作用是通过添加额外控制条件，来引导 Stable Diffusion 算法按照创作者的创作思路进行扩散和图像生成，从而提升 AI 图像生成的可控性和精度。需要注意的是，在进行图像生成的设置中，仅支持「文生图」和「图生图」这两种模式使用预处理模式。具体如下所示：

以上部分即为本次预处理中需要设置的内容

下面是本次预处理的白模样式和最终效果如下所示：

采用文生图模式，输入如上的提示词，在controlnet里上传白模图片，然后用canny+depth的预处理效果，如下图：

最终生成效果图如下：

多批次的其他生成效果展示：

当效果图未达预期效果时，可采用图生图模式进一步加工，或对图片实施局部编辑以优化结果。

在图生图模式中，同样可以利用不同的预处理器来改善效果，例如：lineart、正态分布（正态）和tile。

具体来说，lineart预处理器主要用于调整图像中的形状轮廓，正态预处理器负责管理光影效果，而tile预处理器则用于增加图像的细节层次。有关controlnet预处理器在使用上的效果差异及其详细信息，将在后续文章中进行深入探讨。

从上述案例中明显看出，经过Stable Diffusion的预处理功能，效果图的质量与真实感显著提高。其次，光影效果也更为逼真、细节展现得更为精细、整体视觉效果更加生动和引人注目。这大大简化了效果图的制作流程，为设计师节省了宝贵时间，有效提升了设计方案的吸引力。

AIGC生图技术如一颗璀璨的明珠，照亮了设计领域的未来。

通过AIGC生图技术，设计师可以轻松地探索各种风格、流派和创意。将自己的想法以更加生动、形象的方式呈现出来，为设计界带来了前所未有的活力和创造力。

后续我们将会持续探索更多AI工具赋能数字化设计，为大家带来更多的案例参考。