标题：借助AIGC技术，穿越时光重现《唐宫仕女图》的绝美风华
（本文第一部分，开篇段落，以下为改写内容）
近年来，汉服风潮席卷而来，然而，我们对于古代生活的真实面貌，却只能透过那些古老的绘画作品来窥见一斑。假若有一台相机能够穿越回唐朝，那它将见证怎样的历史瞬间？而今，我们得以借助先进的AIGC技术，将这一设想变为现实。本文将带您走进一个教程，探索如何运用AIGC技术尝试还原那幅闻名遐迩的《唐宫仕女图》。
标题：AI艺术之旅：让《唐宫仕女图》穿越时空重现
（文章第二部分，核心内容改写）
近年来，AI绘画技术不断进化，其应用范围也在不断扩大。我们不仅可以借助它将平面插画转化为逼真的摄影作品，还能将古画复原，甚至让二次元动漫角色实现真人化。此外，AI还能赋予照片深度和质感，近期流行的照片转黏土风格，便是采用类似技术实现的。
在本案例中，我们将运用WHEE的图像参考功能，以最直观的方式向大家介绍这一神奇功能。
WHEE文本生成图像：
首先，挑选一幅你想要复原的古画，并详细描述其画面内容。
我选择了《唐宫仕女图》中的一位仕女形象，并利用提示词来描述这幅图的画面。你可以直接描述你所看到的画面，或者借助GPT4的多模态功能来进行描述。GPT4的提示词为：“请描述这张画的内容。”随后，它会根据你上传的图像自动生成相应的文字描述。但需要注意的是，由于你上传的是古画，因此需要自行从生成的描述中筛选出与画面相关的内容。
参数设置和模型选择
文章标题：借助AIGC技术，重现《唐宫仕女图》的昔日风采
（文章第4/12部分，中间部分，以下为改写正文）
原文片段：
在挑选了合适的参考模型后，我们将深入探讨其功能区域。在画面参考方面，主要分为五个功能区域。
01 多重参考设置
首先，我们来看第一个功能区域，这里专门用于设置多重参考。用户可以通过采用多重参考模式，以更细致的方式生成图像。在此，用户可以最多选择三个参考对象。由于不同参考类型各有侧重点，单独使用一种可能无法达到理想的生成效果，这时就需要通过组合多种参考类型来实现。常见的组合方式包括深度扫描与查找边缘、边缘检测或姿态检测。
深度扫描功能内含空间位置信息，能够为其他仅提供平面参考的三个参考类型提供更精确的画面控制。例如，当其他参考类型无法准确判断人物的手臂是位于前方还是后方时，通过深度扫描的叠加，可以更准确地识别。
以下是一个案例，即便将参考程度调至最大，由于原图中裙子遮挡了人物的手臂和腿部，最终生成的图像中只有头部和躯干的姿势与原图一致。而手部的姿势仍然存在偏差。
文章标题：借助AIGC技术，穿越时光重现《唐宫仕女图》的辉煌
（文章第5/12部分，中间部分，以下为改写正文）
原文片段：
一旦我们再进行一次深入细致的扫描，人物的动作将呈现出极高的精确度。观察下方的图片，可以看到在启动状态的参考1和参考2前方，均有一个醒目的蓝色圆点。
02 参考模式解析
正如我们最初所阐述的，一共有七种不同的参考模式可供选择。在本项目中，我们重点运用了边缘检测与柔化处理、深度扫描技术以及姿态检测这三类参考模式。以下是这七种参考模型的大致概述。
标题：借助AIGC技术，重现《唐宫仕女图》的古典韵味
（文章第七部分，正文中段，以下为改写内容）
在追求对一幅画作进行精准复刻，力求内容高度一致且细节丰富的情况下，我们可以采用边缘识别技术来捕捉图像的轮廓，确保重绘效果与原图保持高度契合。而当我们手中仅有黑白草图，却渴望将其转化为完整的作品时，涂鸦生成模型便成为了我们的得力助手。
倘若我们并不追求细节的还原，仅仅想要借鉴画作中的人物姿态，那么姿态识别技术便能派上用场。通过这一技术，生成的图像将模仿参考图中人物的姿态，塑造出类似的人物形象。
融合控制技术则能够巧妙地将特定的logo或文字融入生成图片中，通过调整图片内容和光影效果，使得logo或文字自然融入，不留痕迹。去年，这一创新玩法曾在网络上掀起一股热潮。
至于二维码生成功能，用户只需上传二维码图片，并输入提示词，系统便会根据这些信息生成一个可扫描的二维码画面，方便快捷。
03 选择参考图像
在本文的实践中，您可以自由上传所需的参考图像。需要注意的是，这里的参考图像与图生图功能中的参考图像有所不同。在图生图功能中，参考图像相当于启动画面创作的初始种子，随后通过扩散模型的运作，画面中的内容和元素可能会发生显著变化。而在此处，画面参考则能够严格限定参考图像的内容，从而在生成画面时提供更为精细和严格的控制能力。
以下是一个示例，展示了在相同的提示词和参数设置下，仅对比图生图与画面参考的效果。从图中可以看出，图生图在受到参考图像配色的影响较为明显，但结构和人物细节却发生了较大变化。相比之下，画面参考在结构上能够保持一致，但在衣服颜色上存在一定差异。若追求画面的高度一致性，可以同时结合图生图和画面参考的使用。然而，单纯使用画面参考的图像，由于拥有更大的创作空间，能够生成更加逼真、自然的图像效果。
04 参考度分析
在讨论生成图像与原图之间的相似度时，我们所说的参考度实际上是指两者之间参考部分的一致性。这一数值越高，所生成的图像与原图的相似度也就越高。在这个系统中，参考度的最高值设定为2。然而，在实际操作中，我们通常会选择0.6至1之间的数值。以下是对参考度分别为0.3、0.6和1.5时的生成图像进行对比分析。
当参考度数值达到1.5时，生成的图像几乎与参考图别无二致。但若参考度过低，如0.3，则无法有效提取原图的结构特征。因此，我们通常会选择在0.6附近的默认值，这样既能保留参考图的结构，又能让模型和提示词在画面生成中发挥一定的影响力。
05 参考时间段的设定
在这一环节，我们主要调整的是在生成图像过程中，何时开始以及何时结束对画面的参考。例如，我们可以在文生图的基础阶段正常进行，然后在生成进度达到30%时开始介入，并在生成至100%时停止。这意味着参考时间段的设定为0.3至1.0。需要注意的是，参考画面介入的时间越晚，其对画面的控制力度就越低。
为了探究在不同时间段介入参考画面对生成图像的影响，我们进行了多次测试。观察结果显示，当我们一开始不进行参考，而是在生成进度达到30%时才开始介入，生成的图像几乎已经失去了参考图的特征。相反，如果我们在生成进度达到10%时就开始介入，并且持续到最终，那么可能会出现一些与初始随机种子和参考图都不相符的奇怪图像。
此外，如果我们让参考图在生成初期就介入，但提前结束参考，比如只对生成的前30%进行参考，那么仍然能够看到参考图对生成结果产生了显著的影响。通过提前结束参考，我们可以增加生成结果的多样性。例如，在下图中，参考时间段的设定为（0~0.5）与原图的接近程度要高于（0~0.3）的设定，而在（0~0.3）的设定下，人物的姿势和表情已经发生了变化。
Lora风格配置详解
在本次创作中，我选用了摄影风格的Lora模型。这种模型具有灵活性，可以单独使用，亦可通过叠加多个Lora模型来达到预期效果。此外，我还对3D模型“盲盒”进行了测试，发现同样适用于此类创作，且能呈现出更为简洁的视觉效果。通过调整Lora，我们可以轻松地改变画面的风格，例如，可以切换至当下流行的黏土风格，或是像素插画风格。尽管风格各异，但所绘人物结构内容却保持一致。以下以同一参考图为例，展示了六种不同风格图的效果，均由不同的Lora模型生成。
以下为原文片段的改写内容：
复原唐宫仕女图所需的黏土模型参数如下：
像素化仕女图在制作时的具体参数参考如下：
针对商业用途的扁平插画仕女图设计参数如下：
商业插画风格的仕女图创作参数参考如下：
制作琉璃仕女图所需的具体参数参考内容：
