电商设计新革命！AI+Blender 强强联合，手把手教你打造超真实场景渲染图

本文链接：https://blog.csdn.net/Eqiqi/article/details/147618235

在电商视觉设计领域，场景渲染的效率与质量始终是设计师们关注的焦点。本文将为你深度剖析一套创新工作流——通过AI智能生成背景图，以此为基础进一步生成HDR环境光贴图，最后将其导入Blender进行专业渲染。这一流程完美规避了传统设计的痛点：既无需花费大量时间精力在网络上搜寻适配的场景模型，又能避免单纯依赖AI更换背景时出现的画面不可控问题，以及产品形态、细节意外改变的尴尬状况。无论是中小商家的快速出图需求，还是专业设计师的高质量创作，这套工作流都能为电商渲染图的制作带来全新的高效体验。
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。