Datawhale X 魔搭 AI夏令营 | Task2：代码进阶 赛博朋克故事

1.背景及任务

       在task1中，baseline代码实现了一个二次元女孩成为偶像的故事的图片输出（上一篇文章）。经过关键代码的阅读，发现baseline中的数据集采用的是128张二次元风格的图片，因此用这个数据集生成二次元风格的图片将更加方便。不过，单一风格的图片生成并不能满足AGI大模型的需求，能否在同一个模型上根据给定prompt的不同生成不同风格的图片，是本次任务的主线。

关键任务：通过修改prompt和生图随机数种子生成赛博朋克风格的图片

2. 代码修改思路

2.1 故事生成（基于通义）

首先给通义介绍了背景，喂了baseline的代码，让通义理解现在在做什么。

随后进行了进一步需求的说明（记错了游戏发布时间）：

通义写的故事：

赛博朋克之都：重云之城
时间线：2077年
地点：重云之城（虚构的重庆未来化版本）
故事简介：
在未来的重云之城，科技与人类社会深度融合，霓虹灯下隐藏着无数秘密。城市的天空被巨大的广告牌和无人机网络遮蔽，高楼大厦之间是狭窄而繁忙的巷道，充满了各种非法交易和技术黑市。

主角：艾莉卡·陈
艾莉卡是一名独立的网络侦探，她拥有一双经过改造的眼睛，可以穿透伪装和加密，看到别人看不见的信息。她的目标是揭露城市中隐藏的腐败和不公，但同时她也必须躲避那些对她虎视眈眈的势力。

情节：
当艾莉卡接手了一个看似简单的失踪案时，她发现事情远比她想象的复杂。失踪的人是一位知名的企业家，其背后牵扯到了一家大型生物工程公司，这家公司正在研发一种可以永久改变人类基因的药物。

艾莉卡的调查引起了公司的注意，他们派出了一支由赛博增强士兵组成的队伍来阻止她。在逃亡的过程中，艾莉卡遇到了一群抵抗组织成员，他们致力于揭露公司的阴谋，并阻止这种药物落入错误的手中。

随着调查的深入，艾莉卡发现了更多关于自己过去的线索，她意识到自己与这家公司的研究有着直接的联系。为了保护自己和城市免受威胁，艾莉卡必须做出艰难的选择，并面对自己黑暗的过去。

结局：
在一场激烈的对抗中，艾莉卡和抵抗组织成功揭露了公司的计划，但也付出了惨痛的代价。艾莉卡不仅阻止了药物的滥用，还找到了自己的真正身份和目的。故事结束时，她站在两江交汇处的桥上，望着灯火阑珊的重云之城，心中燃起了新的希望。

现在基本的故事梗概也比较清晰了，根据上面的故事背景现在开始生图。

2.2 代码修改

代码主要修改了prompt和随机数种子，模型的基本参数设置和数据集没有进行调整。代码如下：

# 图1
torch.manual_seed(5)
image = pipe(
    prompt="赛博朋克，布满霓虹灯和广告灯牌的城市，广告牌上写着ABC生物制药",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=100, height=1024, width=1024,
)
image.save("my_1.jpg")

#图2
torch.manual_seed(1)
image = pipe(
    prompt="赛博朋克，艾莉卡，黑色中长发华裔女性，站在未来重云之城的霓虹闪烁的街角。她身穿黑色的战术装备，搭配着银色的护目镜，艾莉卡的面容坚定，眼神锐利。她的周围是繁忙的街头，人们匆匆走过。",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("my_2.jpg")

# 图3
torch.manual_seed(1)
image = pipe(
    prompt="赛博朋克，艾莉卡，黑色中长发华裔女性，手持一个先进的数据扫描装置，她身穿黑色的战术装备，搭配着银色的护目镜，躲在一个街道，偷听几个黑影的交易，面容坚定，神色紧张。",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度，色情擦边",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("my_3.jpg")

# 图4
torch.manual_seed(1)
image = pipe(
    prompt="赛博朋克，艾莉卡，黑色中长发华裔女性，与身着黑色西装的男子发生打斗。",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度，扭曲的手指，多余的手指",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("my_4.jpg")

# 图5
torch.manual_seed(5)
image = pipe(
    prompt="赛博朋克，艾莉卡，黑色中长发华裔女性，站在赛博朋克街道中，抬头看见天上飞的无人机",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("my_5.jpg")

# 图6
torch.manual_seed(5)
image = pipe(
    prompt="赛博朋克，荒坂十三，身着黑色西装的神秘男性，坐在办公室的老板椅上，手正在扶黑色墨镜，紧盯电脑前的监控，脸上挂着一丝神秘微笑。",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("my_6.jpg")

# 图7
torch.manual_seed(1)
image = pipe(
    prompt="赛博朋克，艾莉卡，黑色中长发华裔女性,站立,双手手枪瞄准镜头,皱眉头，神色紧张。",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("my_7.jpg")

# 图8
torch.manual_seed(5)
image = pipe(
    prompt="赛博朋克，艾莉卡，黑色中长发华裔女性，她身穿黑色的战术装备，全身，侧面，黑夜，霓虹城市，站在城市中的天台眺望远方，露出了开心的笑容",
    negative_prompt="丑陋、变形、嘈杂、模糊、低对比度",
    cfg_scale=4,
    num_inference_steps=50, height=1024, width=1024,
)
image.save("my_8.jpg")

2.3 结果展示

3. 总结与思考

3.1 prompt的修改

        在写prompt时，我发现语言越复杂，模型越难以理解，通常模型不会考虑prompt的整体逻辑，而是关注其中的几个关键字，比如“黑色中长发华裔女性”、“手枪”和“墨镜”等非常直观的事物。因此，与其纠结prompt的逻辑，不如直接提供几个明确的关键词，这会更有助于生成想要的图片。

tips：明确关键词比优美的句子更有效

3.2 随机数种子的修改

        随机数种子的设定是为了在一次计算的时候产生相同的随机数（这里的随机数可能和数据集中的图片有一些对应关系），所以我在产生相似的内容图片的情况下采用了相同的随机数，以保证图片和图片之间的连贯性。也就是说，我在图片1中的生成的任务想在图片2中保持整个容貌和衣着等特点不变时，我应该采用相同的随机数种子和类似的prompt。

        例如，图2、3、4和7采用了相同的随机数种子1，因此生成的容貌基本上是不变的；同样的 ，图5和图8采用了相同的随机数种子5，因此图5和8的特征是类似的（比如都有齐刘海等），而和其他的几张图的特点是不同的。

tips：相同的随机数种子利于输出类似的内容