【AI辅助设计】电商设计师看看？AI+Blender 打造真实场景渲染图

梅花十三儿

于 2024-08-05 14:35:25 发布

阅读量696

点赞数 12

文章标签：人工智能 stable diffusion AI作画 AIGC

本文链接：https://blog.csdn.net/Android062005/article/details/140926413

版权

本文的重点，是介绍由AI生成背景图，然后根据背景生成HDR，再放到Blender中进行渲染的整个过程。这个工作流的好处是：电商渲染图不需要苦苦地去找场景模型，同时又避免了，纯AI换背景，那种不可控和产品会变化的弱点。

这里用到几个AI的技术要点：

「Midjourney生成电商背景图」 。这块基本没有什么技巧，只需要提示语即可。
「单图生成HDR技术」
「Blender渲染合成」 。属于3D软件技巧，网上很多教程哈~

看看效果

先show一下效果，由于本人不是专业的电商设计师，所以，大家看看大致的效果，主要看融合后的感觉，背景是一张静态的图片，效果图稍微调了一下色调。

hdr1.png

hdr car.png

下面的瓶子有点脏了，发现透明材质不会那么好表现~🥱，毕竟不是实体3D。

hdr3.png

制作过程

正如上面所属，我们需要用到3个工具，分别是Midjourney、DiffusionLight和Blender。

AI生成背景部分

我们希望生成一个山野森林里面的一个石台，使用mj的V6模型，可以真实还原出来。提示语如下：

**stone podium on forest background, green color palette, mockup design, digital art, 3d render, ultra realistic, product photography, high resolution, high detail, high quality, sharp focus, hyperrealistic, no blur, bokeh effect, cinematic mood, dark colors, blurred background, fantasy landscape, blue sky, green trees, foggy weather, dramatic light, contrast, shadow and backlight, octane rendering, ray tracing, epic, cinematic, volumetric lighting, HDR --v 6.0 --style raw**  



  * 1
  * 2

选择U3进行放大，即可得到一张1024x1024的图。

DiffusionLight处理

因为我们为了合成的真实，所以HDR光照需要跟背景图保持一致，我们使用开源的DiffusionLight技术进行生成。关于这个技术我之前有介绍过，这里简单说说安装的过程。

推荐大家使用wsl安装，这样会顺畅很多，也不会影响Windows的环境。至于如何安装wsl2，看微软官方的教程即可。同时要安装nvidia的驱动和cuda
tookit，这些自行搜索互联网或者问GPT即可。我们打开wsl的命令行工具。

拉取代码

git clone https://github.com/kijai/ComfyUI-DiffusionLight  



  * 1
  * 2

拉取完成后，CD到ComfyUI-DiffusionLight目录。根据官方提供的方法，逐个输入：

conda env create -f environment.yml  
conda activate diffusionlight  
pip install -r requirements.txt  



  * 1
  * 2
  * 3
  * 4

这里大家也需要安装conda，我用的是miniconda。安装依赖这里，我遇到个坑，就是OpenEXR安装不上，所以我打开requirements.txt，手动把版本号改为：OpenEXR>=1.3.9，就可以安装了。

运行程序

在项目根目录新建一个input和output文件夹。

把ComfyUI生成的图，放进input文件夹中。然后依次运行：

python inpaint.py --dataset input --output_dir output  
python ball2envmap.py --ball_dir output/square --envmap_dir output/envmap  
python exposure2hdr.py --input_dir output/envmap --output_dir output/hdr  



  * 1
  * 2
  * 3
  * 4

注意，运行第一行代码时间比较长，4090大约运行了10分钟。最终你可以在，output/hdr 文件夹中，找到最终的输出图。