大家好，今天来学习图生图的基本概念。

AI绘画的第一次大规模破圈，源于各大短视频平台推出的AI绘画特效——只需用手机自拍一张照片，系统就能将其转化为二次元风格的画面。这类视频普遍具有较高的传播度和流量表现。当然，过程中也常出现一些“翻车”案例，比如将嘟嘟唇错误识别为M唇，或将小狗画成类人形象。那么，这些效果究竟是如何实现的呢？

这就要提到Stable Diffusion（SD）这项开源AI绘画技术。它于2022年8月正式免费向公众开放。与以往的AI滤镜（如短视频平台内置滤镜、美图秀秀AI功能）或封闭式AI绘图程序不同，Stable Diffusion能在秒级时间内生成高质量图像，并支持以原图为基础进行风格迁移——即“图生图”（Image-to-Image）。

借助图生图技术，我们可以将二次元人物转为写实风格，也能将真人照片转化为二次元、油画、机甲等多元艺术风格。

图生图的基本原理

图生图与文生图一样，同样依赖正向提示词与反向提示词。区别在于：除了文字输入外，图生图还引入了图像作为额外的信息源。

通过上节课的学习，我们已经知道，文字提示对AI生成结果有直接影响，但其随机性难以完全控制。例如，即使使用完全相同的提示词（如“白色裙子”），不同迭代步数下生成的图像仍可能存在显著差异——这种不可控性，本质上是AI对文字信息解读存在偏差所致。

这种信息传递偏差在日常生活中也很常见。比如“你画我猜”游戏中，我们精心绘制一幅草图，但多人却无法准确猜出原意；又如甲方提出设计需求时，仅靠语言描述，设计师往往难以精准还原预期效果。此时，提供参考图便成为最直观、高效的沟通方式。

图生图正是基于这一逻辑：我们向AI提供一张目标风格或构图的参考图，AI便以此为基础，在保留原图结构的前提下，完成风格转换或内容重绘。

举例来说，若想基于名画《亨利·怀特夫人》进行二次创作，可先提取画面关键元素：白色长裙、灰色背景、红色沙发。若仅用文字提示（如“白蓝色长裙、华贵长裙、红色沙发、灰棕色背景”）生成图像，结果往往与原作相去甚远，可能需要反复尝试数十次甚至上百次才能接近目标效果。

而采用图生图方式，只需导入原图并做适度模糊处理，AI便会依据像素级信息（如各区域的颜色数值、明暗分布等）进行重绘与去噪，从而高效实现风格迁移——比如将古典油画风格一键转为二次元风格。

图生图的操作流程

图生图的基本操作可分为三步：

1. 导入参考图片
2. 编写提示词
3. 调整关键参数

下面我们以“将真人照片转为二次元风格”为例，进行实际操作演示。

打开Stable Diffusion，进入图生图（img2img）界面。与文生图界面相比，最明显的区别是多了一个用于上传图片的方框。

导入图片有两种方式：

• 双击该方框，从本地选择图片；
• 直接将图片从文件夹拖拽至该区域。

第二步是编写提示词。我们以最简示例开始：“a boy”（一个男孩）。

第三步是调整参数。图生图相较文生图，新增了一个关键参数——重绘幅度（Denoising Strength）：

• 数值越低（如0.3–0.5），输出图像越贴近原图，细节保留越多；
• 数值越高（如0.7–0.9），风格变化越明显，原创性越强；
• 对于真人→二次元转化，建议初始值设为0.7。

其他常用参数设置如下：

• 图像尺寸：匹配原图比例（如600×800，即3:4）；
• 采样方法：推荐使用DPM++ 2M Karras或Euler a；
• 采样步数：30左右较为平衡；
• 提示词引导系数（CFG Scale）：7为常用值；
• 正向提示词：可在基础描述外添加“masterpiece, best quality, high resolution”等质量增强词；
• 反向提示词：建议加入“low quality, worst quality, bad anatomy, deformed hands, deformed feet”等通用规避词。

点击生成后，可以看到AI已较好还原了人物姿态、服装、背包及背景等主要结构。但仅靠简单提示词（如“a boy”）仍存在细节缺失问题，例如墨镜、棕色帽子等关键元素未被呈现。

提升图生图效果的关键技巧

1. 提示词需更精准

图生图虽以图像为输入，但提示词依然至关重要。它不是可有可无的补充，而是对图像信息的强化与校准。

例如，在原提示词基础上补充细节：“a boy wearing sunglasses and a brown hat, black backpack, masterpiece, best quality”，再配合原图输入，生成结果中墨镜、帽子、背包、手部姿势乃至背景枝叶等细节均得到显著增强。