【AI绘画】Midjourney进阶：引导线构图详解

news2024/10/19 5:03:39

在这里插入图片描述

博客主页： [小ᶻZ࿆]
本文专栏: AI绘画 | Midjourney

文章目录

  • 💯前言
  • 💯什么是构图
    • 为什么Midjourney要使用构图
  • 💯引导线构图
    • 特点
    • 使用场景
    • 提示词书写技巧
    • 测试
  • 💯小结

在这里插入图片描述

💯前言

【AI绘画】Midjourney进阶：对称构图详解     https://blog.csdn.net/2201_75539691?type=blog

【AI绘画】Midjourney进阶：三分线构图详解     https://blog.csdn.net/2201_75539691?type=blog

【AI绘画】Midjourney进阶：中心点构图详解     https://blog.csdn.net/2201_75539691?type=blog

【AI绘画】Midjourney进阶：留白构图详解     https://blog.csdn.net/2201_75539691?type=blog

  • 在之前的文章中，我们深入探讨了构图在 Midjourney 中的核心作用。通过对称、三分线、中心点构图和留白构图，我们理解了如何利用视觉平衡、比例和位置，使画面更具表现力。今天，我们将重点探讨引导线构图，这是一种极具实用性的技巧。通过自然或人为的线条，巧妙地引导观众的视线，赋予作品更强的层次感和视觉流动性。这不仅能够增加画面的深度感，还能让作品在视觉上更具吸引力。无论是在风景绘画、建筑场景，还是人物作品中，引导线构图都能够帮助创作者实现更精致的画面布局。本文将详细解析这种构图方法，助你在 Midjourney 中更高效地运用引导线技术，创造出引人入胜的视觉效果。
    Midjourney官方使用手册
    在这里插入图片描述

💯什么是构图

构图是摄影、绘画、设计等视觉艺术中的一个基本概念。它指的是艺术家如何在二维平面上安排元素，包括形状、线条、色彩、质地、空间等，以达到一定的视觉效果和艺术表达。
在这里插入图片描述

为什么Midjourney要使用构图

  • 简单来说，Midjourney有构图词画面质量更高
  • 构图的目标是引导观众的视线，突出主题，增加视觉吸引I力，以及传达艺术家的观点或情感。
    在这里插入图片描述

  • 在Midjourney中使用构图是非常重要的，有两个方向可以解释其必要性：非共性和共性。

    • 从非共性的角度来看，在Midjourney中使用构图相关的提示词可以显著提升生成画面的质量。这是因为Midjourney的模型在训练时，不仅使用了图像，还结合了与这些图像相关的提示词。通常来说，这些图像来源于专业摄影或高质量渠道，具有较高的视觉标准。当模型学习了这些图片与提示词之间的关联后，用户在生成图像时如果使用了构图相关的提示词，系统会优先选择类似图库中的优质素材，从而生成更为精致的画面。因此，通过使用构图提示词，可以明显地提高生成图像的质量。
      在这里插入图片描述

    • 从共性的角度来说，构图本身就是一种极为有效的手段，可以用于引导观众的视线、突出画面的主题、增强视觉吸引力，并传递创作者的情感和观点。构图所带来的这些视觉上的提升效果，是不受具体工具限制的，无论是在摄影、绘画还是AI生成图像中都是通用的。因此，当在Midjourney中使用构图提示词时，画面的质量提升几乎是必然的结果。这些道理或许听起来有些抽象，但在实际操作和练习时，大家会切实地感受到构图带来的效果提升。
      在这里插入图片描述

💯引导线构图

引导线构图是一种常用技巧，它利用图像中的线条引导观者的视线，将注意力引向图片的主要焦点或者让眼睛在画面中流动。

  • 引导线构图是一种非常实用的构图技巧，它通过利用图像中的线条来引导观众的视线，将他们的注意力自然引向画面的主要焦点。这种技巧不仅能够强化作品的视觉重点，还可以创造出一种流动感，使得观众的视线能够顺着线条在画面中移动，从而增加画面的层次感和深度。无论是在风景摄影、建筑设计，还是人物肖像中，引导线构图都能有效提升作品的表现力，帮助观众更好地理解创作者想要传达的主题。
    在这里插入图片描述

  • 为了更好地理解引导线构图的概念，我们来看几张示例图片。首先是一张风景图，公路从近处延伸到远方。通过道路两侧的边缘线以及道路中央的分隔线，观众的视线会自然而然地从画面前景引导至远处的风景。这种构图手法非常直观地展现了引导线的作用，将视线引向更为广阔的远景。
    在这里插入图片描述

  • 接着我们来看另一组建筑设计的图片。在这些画面中，建筑物的线条同样起到了引导视线的作用。通过建筑物的结构和线条，观众的目光会被引导在画面中流动，仿佛在空间中探索。这不仅使画面更具秩序感，也增加了视觉的层次感和延展性。
    在这里插入图片描述

特点

  1. 引导视线

    • 引导线能够有效地引导观众的目光，使他们的视线自然地沿着线条移动，进而突出画面中的重点元素。这种构图方式让观众的视线在画面中流动，从而增强作品的表现力。
      在这里插入图片描述

  2. 增加深度：

    • 引导线，特别是有序排列的线条，能够为图片增添空间感，使二维的画面呈现出类似三维的效果。尤其是在建筑类作品中，不同线条的组合能够带来强烈的深度感和秩序感，使得整个画面更加立体、富有层次。
      在这里插入图片描述

使用场景

  1. 首先，在风景摄影中，我们可以利用自然界中的线条作为引导线，比如山脉、河流或道路等元素。这些线条能够有效地引导观众的视线，深入到画面的远方，增强景物的层次感。
    在这里插入图片描述

  2. 其次，在建筑摄影中，建筑物的线条、形状和结构同样可以作为引导线，帮助观众的目光在画面中流动。这种构图方式可以使建筑作品更具秩序感和空间感。
    在这里插入图片描述

  3. 最后，在人像摄影中，模特的姿态、眼神甚至衣物的线条都可以成为引导线，吸引观众的注意力，强调人物的重点细节，增强照片的情感表达。
    在这里插入图片描述

提示词书写技巧

  • 在撰写提示词时，准确地使用引导线构图（Guide Line Composition）这一关键词非常关键。这一构图技巧通过线条的排列与设计，引导观众的视线沿着特定路径在画面中流动，最终聚焦在图像的重点区域。在提示词中加入guide Line Composition，能够帮助AI生成的图像更好地体现视觉引导效果，强化画面的层次感和空间感。这一技巧广泛应用于风景、建筑以及人像摄影等领域，使生成的图像更具深度和视觉连贯性。
    在这里插入图片描述

测试

原图：

landscape photography, mountains, valley, river, sunset, soft lighting, 8k, cinematic, wide angle --ar 16:9
  • 原图展示的是自然风光的整体美感，主要以山脉、河流和夕阳为主，画面中的元素没有明显的引导，观众的视线在画面中可能会随机游走，无法集中在某一特定区域。画面虽然美丽，但缺乏明确的视觉焦点，层次感和纵深感相对较弱。
    在这里插入图片描述

原图+guide Line Composition：

landscape photography, mountains, winding road, river, sunset, guide line composition, leading lines, cinematic, 8k, dramatic lighting, wide angle --ar 16:9
  • 添加guide line composition后大大增强了视觉引导效果。通过蜿蜒的道路和河流作为引导线，观众的视线会自然地从画面前景延伸至远处，画面中的线条结构强化了纵深感，使得图像看起来更加有序和立体。同时，观众的目光被有效地引导至远方的风景，使得画面的层次更加分明，整体的视觉体验更具连贯性和冲击力。
    在这里插入图片描述

💯小结

  • 在这里插入图片描述
    引导线构图作为一种重要的视觉表现手法，在Midjourney生成图像的过程中，能够显著提升画面的视觉效果和层次感。通过合理运用线条，将观众的视线自然而然地引向图像的主要焦点，不仅可以强化画面中的视觉重点，还能够创造出一种流动感，使图像看起来更加生动、有深度。在风景、建筑和人像摄影等场景中，引导线构图的运用都能帮助创作者实现更具吸引力的作品。这种构图技巧，结合了美学与技术，能够有效增强图像的视觉连贯性和表现力，尤其在使用Midjourney进行AI生成图像时，通过在提示词中添加相关的构图词汇，作品的质量和层次感可以得到显著提升。
  • 随着AI绘画技术的不断进步，构图技巧的应用将变得更加智能化和细致化。未来，AI不仅能够根据提示词生成高质量的图像，还会逐渐掌握艺术创作中的隐性规则，如情感表达、主题深度和视觉美学。通过不断优化对构图、光影、色彩等元素的理解，AI将能够更加精准地捕捉创作者的意图，甚至在无明确提示的情况下自主生成具有艺术性和内涵的作品。AI绘画的未来，不仅仅是工具的升级，更是艺术与技术深度融合的时代，它将拓宽人类艺术表达的边界，激发出更多富有创意与思考的视觉作品。
import torch, torchvision.transforms as transforms; from torchvision.models import vgg19; import torch.nn.functional as F; from PIL import Image; import matplotlib.pyplot as plt; class StyleTransferModel(torch.nn.Module): def __init__(self): super(StyleTransferModel, self).__init__(); self.vgg = vgg19(pretrained=True).features; for param in self.vgg.parameters(): param.requires_grad_(False); def forward(self, x): layers = {'0': 'conv1_1', '5': 'conv2_1', '10': 'conv3_1', '19': 'conv4_1', '21': 'conv4_2', '28': 'conv5_1'}; features = {}; for name, layer in self.vgg._modules.items(): x = layer(x); if name in layers: features[layers[name]] = x; return features; def load_image(img_path, max_size=400, shape=None): image = Image.open(img_path).convert('RGB'); if max(image.size) > max_size: size = max_size; else: size = max(image.size); if shape is not None: size = shape; in_transform = transforms.Compose([transforms.Resize((size, size)), transforms.ToTensor(), transforms.Normalize((0.485, 0.456, 0.406), (0.229, 0.224, 0.225))]); image = in_transform(image)[:3, :, :].unsqueeze(0); return image; def im_convert(tensor): image = tensor.to('cpu').clone().detach(); image = image.numpy().squeeze(); image = image.transpose(1, 2, 0); image = image * (0.229, 0.224, 0.225) + (0.485, 0.456, 0.406); image = image.clip(0, 1); return image; def gram_matrix(tensor): _, d, h, w = tensor.size(); tensor = tensor.view(d, h * w); gram = torch.mm(tensor, tensor.t()); return gram; content = load_image('content.jpg').to('cuda'); style = load_image('style.jpg', shape=content.shape[-2:]).to('cuda'); model = StyleTransferModel().to('cuda'); style_features = model(style); content_features = model(content); style_grams = {layer: gram_matrix(style_features[layer]) for layer in style_features}; target = content.clone().requires_grad_(True).to('cuda'); style_weights = {'conv1_1': 1.0, 'conv2_1': 0.8, 'conv3_1': 0.5, 'conv4_1': 0.3, 'conv5_1': 0.1}; content_weight = 1e4; style_weight = 1e2; optimizer = torch.optim.Adam([target], lr=0.003); for i in range(1, 3001): target_features = model(target); content_loss = F.mse_loss(target_features['conv4_2'], content_features['conv4_2']); style_loss = 0; for layer in style_weights: target_feature = target_features[layer]; target_gram = gram_matrix(target_feature); style_gram = style_grams[layer]; layer_style_loss = style_weights[layer] * F.mse_loss(target_gram, style_gram); b, c, h, w = target_feature.shape; style_loss += layer_style_loss / (c * h * w); total_loss = content_weight * content_loss + style_weight * style_loss; optimizer.zero_grad(); total_loss.backward(); optimizer.step(); if i % 500 == 0: print('Iteration {}, Total loss: {}'.format(i, total_loss.item())); plt.imshow(im_convert(target)); plt.axis('off'); plt.show()

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/2218245.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

AnaTraf | TCP重传的工作原理与优化方法

AnaTraf | TCP重传的工作原理与优化方法

目录 什么是TCP重传？ TCP重传的常见触发原因 TCP重传对网络性能的影响 1. 高延迟与重传 2. 吞吐量的下降 如何优化和减少TCP重传 1. 优化网络设备配置 2. 优化网络链路 3. 网络带宽的合理规划 4. 部署CDN和缓存策略 结语 AnaTraf 网络性能监控系统NPM | …
阅读更多...
网络最快的速度光速，因此‘‘光网络‘‘由此产生

网络最快的速度光速，因此‘‘光网络‘‘由此产生

世界上有一种最快的速度又是光，以前传统以太网络规划满足不了现在的需求。 一 有线网规划 二 无线网规划
阅读更多...
如何用pyhton修改1000+图片的名字？

如何用pyhton修改1000+图片的名字？

import os oldpath input("请输入文件路径（在windows中复制那个图片文件夹的路径就可以):") #注意window系统中的路径用这个‘\分割，但是编程语言中一般都是正斜杠也就是’/‘ #这里写一个代码，将 \ > / path "" fo…
阅读更多...
嵌入式职业规划

嵌入式职业规划

嵌入式职业规划 在嵌入式的软件开发中，可以分为： 嵌入式MCU软件开发工程师； 嵌入式Linux底层（BSP）软件开发工程师； 嵌入式Linux应用开发工程师； 嵌入式FPGA算法开发工程师 对于前两个阶段 …
阅读更多...
H.266与H.265、AV1、H.264对比

H.266与H.265、AV1、H.264对比

好多开发者希望搞清楚H.266（Versatile Video Coding，VVC）、H.265（High Efficiency Video Coding，HEVC）、AV1、H.264（Advanced Video Coding）四者区别，本文从压缩效率、画…
阅读更多...
代码随想录算法训练营第三十八天 | 62. 不同路径、63. 不同路径 II、343. 整数拆分、96.不同的二叉搜索树（343、96以后学）

代码随想录算法训练营第三十八天 | 62. 不同路径、63. 不同路径 II、343. 整数拆分、96.不同的二叉搜索树（343、96以后学）

1. 题目： 一个机器人位于一个 m x n 网格的左上角 （起始点在下图中标记为 “Start” ）。 机器人每次只能向下或者向右移动一步。机器人试图达到网格的右下角（在下图中标记为 “Finish” ）。 问总共有多少条不同的路…
阅读更多...
提高EDM广告发送率和到达率_实用技巧揭秘

提高EDM广告发送率和到达率_实用技巧揭秘

EDM广告提高发送率和到达率策略包括优化邮件服务器设置、制定邮件内容及设计策略、持续监测与测试。ZohoCampaigns通过可靠ESP、SPF和DKIM验证、维护IP声誉确保高发送率和到达率。 一、了解EDM的发送率和到达率概念 在深入研究提升策略之前，首先我们需要明确两个专…
阅读更多...
2-126基于matlab希尔伯特黄变换（HHT）的图像三维重建

2-126基于matlab希尔伯特黄变换（HHT）的图像三维重建

基于matlab希尔伯特黄变换（HHT）的图像三维重建，利用希尔伯特黄变换（HHT）的条纹图相位信息提取算法，对输入图片的变形条纹图相位信息进行提取，实现三维重建。程序已调通，可直接运行。…
阅读更多...
Axure重要元件三——中继器时间排序

Axure重要元件三——中继器时间排序

亲爱的小伙伴，在您浏览之前，烦请关注一下，在此深表感谢！ 本节课：中继器数据时间排序 课程内容：数据的升序、降序、重置排序 应用场景：表单数据的排序 案例展示： 步骤一&#xff…
阅读更多...
【数据分享】1901-2023年我国省市县三级逐月最低气温（免费获取/Shp/Excel格式）

【数据分享】1901-2023年我国省市县三级逐月最低气温（免费获取/Shp/Excel格式）

之前我们分享过1901-2023年1km分辨率逐月最低气温栅格数据（可查看之前的文章获悉详情），该数据来源于国家青藏高原科学数据中心，很多小伙伴拿到数据后反馈栅格数据不太方便使用，问我们能不能把数据处理为更方便使用的Sh…
阅读更多...
0基础学java之Day09（下午完整版）

0基础学java之Day09（下午完整版）

六、数组 概念： 1.数组是引用数据类型 2.数组中的数据叫做元素 3.元素都有标号叫做索引/下标 4.下标从0开始 5.数组一旦初始化成功，长度不可变（意味着数组没有添加和删除） 6.数组中的元素在内存中是挨在一起的 声明： 数…
阅读更多...
CTF(四)

CTF(四)

导言： 本文主要讲述在CTF竞赛中，web类题目file_include。 靶场链接：攻防世界 (xctf.org.cn) 一，观察页面。 可以看到一段php代码。从则段代码中我们可以知道： 1，使用include引入check.php文件&#xff…
阅读更多...
Excel制作工资表

Excel制作工资表

需要用到的函数 函数要求如下： IFERROR 功能：处理公式中的错误，避免显示错误值。当公式产生错误时，使用自定义的值或表达式代替错误信息。 IFERROR(值, 错误值)SUM 功能：求和，计算一系列数字的总和。 语…
阅读更多...
SSD |（七）FTL详解（中）

SSD |（七）FTL详解（中）

文章目录 📚垃圾回收🐇垃圾回收原理🐇写放大🐇垃圾回收实现🐇垃圾回收时机 📚解除映射关系📚磨损均衡 📚垃圾回收 🐇垃圾回收原理 ✋设定一个迷你SSD空间： 假…
阅读更多...
Windows 和 Ubuntu通讯的网络设置

Windows 和 Ubuntu通讯的网络设置

如果你是一个嵌入式工程师，因为工作需要，在linux下进行开发，一定会遇见配网问题。这篇文章解决Windows 和虚拟机Ubuntu通讯的网络设置的问题。 Windows的网络配置： 在配置网络前，先了解一下windows和ubuntu的网络构成…
阅读更多...
CTFHUB技能树之SQL——过滤空格

CTFHUB技能树之SQL——过滤空格

开启靶场，打开链接： 既然是过滤空格，绕过空格的方法： 用/**/或%0a替代空格 （1）判断注入点 1 and 11# 会显示hacker 1/**/and/**/11# 有回显 1/**/and/**/12# 无回显，说明是整数型注入 &#…
阅读更多...
嵌入式C++中内存分配基本实现方法

嵌入式C++中内存分配基本实现方法

大家好，今天主要给大家分享一下，如何使用计算机中的内存空间进行分配，观察具体现象。 第一：C语言动态空间分配方式 第二：C++中动态内存分配方法 new 可以自动计算数据类型的大小 与 类型的转换 malloc 只能手动进行。 2.new 可以在分配空间的时候初始化 malloc 不行。 第三…
阅读更多...
python采集汽车之家数据

python采集汽车之家数据

python采集汽车之家数据 一、寻找数据接口二、发送请求获取响应三、解析数据四、完整代码一、寻找数据接口 如下图所示，在汽车之家首页点击报价图标： 在下图中选择价位，例如选择15-20万： 打开浏览器开发者工具，刷新页面，找到数据接口。接下来，通过翻页寻找接口url的变…
阅读更多...
uni-app uni.setTabBarBadge 不生效

uni-app uni.setTabBarBadge 不生效

‘text’属性，类型必须是字符串，而接口返回的是数值，没有注意到，所以怎么都不生效，也不会有报错！
阅读更多...
渗透测试导论

渗透测试导论

渗透测试的定义和目的 渗透测试（Penetration Testing）是一项安全演习，网络安全专家尝试查找和利用计算机系统中的漏洞。 模拟攻击的目的是识别攻击者可以利用的系统防御中的薄弱环节。 这就像银行雇用别人假装盗匪，让他们试图闯…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023