:::success
点击下方链接，关注ASAK设计部
AIGC｜使用AI制作B端和C端图标全流程
:::
伴随着AIGC异常火爆，各种各样的AI工具如雨后春笋般涌现，除了各位设计师知道的Midjourney（以下简称“MJ”），同样还有十分亮眼的Stable Diffusion。
所以今天我们的课程主要教大家如何使用Stable Diffusion（以下简称“SD”）来进行B端图标和C端图标的创作，充分将AIGC灵活的运用在项目的工作流程之中。
本次课程需要用的知识点主要有以下三个：
1、ControlNet-硬边缘检测的使用
2、Checkpoint、Lora模型运用调试
3、矢量图转换工具
B端图标
那首先我们先来看看B端图标，有哪些特点？
发现主要特点为：立体块面感、轻科技、材质多为毛玻璃、光泽金属、轮廓光源。
UI的使用场景多为功能模块辅助装饰、官网开屏页等……
以下图的数据云图标为例：
制作同等设计质量的图标，从三维建模到渲染最后到后期调整，平均需要2.5小时制作周期。而且设计师需要有一定的三维软件设计能力。
我们先看看MJ的使用效果，这里我们使用常规的操作流程，直接使用关键词生成，这里我使用了两种不同的关键词：
第一种：
A cloud Ul icon, blue frosted glass white acrylic material, white background, sense of technology, studio light, blue frosted glass white acrylic material, white background, sense of technology, —ar 1:1
对照翻译：一朵云Ul图标，蓝色磨砂玻璃白亚克力材质, 白色背景, 科技感, 影棚灯光, 蓝色磨砂玻璃白色亚克力材质, 白色背景, 科技感, —ar 1:1
第二种：
Cloud icon, blue, frosted glass, transparent technology sense, white background, studio lighting, 3d, c4d, high detail, —ar 1:1
对照翻译：云朵图标，蓝色，磨砂玻璃，透明科技感，白色背景，影棚灯光，3d，c4d，高细节，—ar 1:1
我们可以看出上图直接生成的图标，偏差较大，且形式、角度、质感、颜色无法很好的控制，基本不能使用。
首先使用垫图的第一种方式，将想要生成图标的参考样式上传到MJ，接着配合关键词进行操作：
图片链接 + A cloud Ul icon, blue frosted glass white acrylic material, white background, sense of technology, studio light, blue frosted glass white acrylic material, sense of technology, —ar 1:1
右边便是生成的效果（下图中右边）：
MJ学习了参考图片后，在质感的使用和色彩上也比较靠近想要的风格了，因为参考的图片和需要生成的图像，在造型上有一定的不同，只是用关键词来进行生产，随机性比较强，所以造型不够可控。
接着我们蚕蛹垫图的第二种方式，将想要生成图标的造型样式上传到MJ，配合关键词进行操作：
图片链接 + A cloud Ul icon, blue frosted glass white acrylic material, white background, sense of technology, studio light, blue frosted glass white acrylic material, sense of technology, —ar 1:1
右边便是生成的效果（下图中右边）：
MJ学习了参考图片后，在造型上靠近了想要的造型，但是在颜色和质感上，就无法学习到了，不太能够使用。
接着我使用组合垫图法，将两张素材都上传到MJ，接着配合关键词进行操作：
图片链接1 + 图片链接2 + A cloud Ul icon, blue frosted glass white acrylic material, white background, sense of technology, studio light, blue frosted glass white acrylic material, sense of technology, —ar 1:1
得出的结论就是：MJ学习了两张参考图片后，在想要的造型上靠近了一些，在颜色和质感上也靠近了，但是在细节的把控上还是有一定的随机性，还是不能直接使用。
小结一下，MJ在进行B端图标设计的使用中，主要有以下不足之处：
1.可控性不够高 ；2.随机性较强 ；3.无法局部调整 ；4.风格不符
下面我们来看看SD的效果如何？
我这边使用的SD版本是：秋叶V4；
Checkpoint大模型使用的是：DDicon；
Lora模型使用的是：Playstation5DesignAI。
使用的流程我已经在上图标记出来了，大家可以根据步骤进行操作。
这里的正向提示词：
best quality, many details, 4k, blender, octane render, C4D, transparent glass texture, DDicon, blue, frosted glass, transparent technology sense, industrial design, white background, studio lighting, sunshine, flat, minimal, quasi-object, axisymmetric, Data, cylinder, file,
反向提示词：
lowers, bad anatomy, ((bad hands)), (worst quality:2), (low quality:2), (normal quality:2), paintings, sketches, lowres, bad anatomy, bad hands, text, error, missing, tingers,
直接输入进SD即可。
这里要提前准备好两张图：线稿图和黑白造型图，同时需要在ControlNet里启用两个类别，分别是 lineart 与 canny，将准备好的两张图分别导入进 ControlNet，并设置好参数；
首先采样方法选择“DPM++ SDE Karras”选择 Canny的invert预处理器 以及对应的 Canny模型，最后记得勾选“完美像素模式”。
然后我们就可以点击生成了，选好生成后觉得比较OK的图片，发送到图生图中，接着再进行一次ControlNet的设置。
上图就是生成的效果啦。
后面可以将符合预期的效果图发送到图生图的局部重绘，涂鸦选择效果图需要重新优化的小细节点。
生成出来的效果图有更好的设计兼容性，最后我们再进SD的后期处理进行放大就可以使用啦～
采用SD工具辅助B端图标的设计，整个设计过程只需要0.5小时，主要工作量主要在于前期的黑白线稿绘制。大大降低了设计成本与制作门槛。
C端图标
C端图标与B端图标最大的区别点在于视觉风格更为多样，整体风格配色与造型更为年轻化。视觉表现形式目前主流为2.5D与3D类型较多，通过同色系轻渐变塑造体现体积感。
接下来我们再看看C端图标应该如何用SD进行创作绘制。
我们找素材的时候，图片主体物材质的质感不需要保持相似，这一步只是确保外形调性一致；需要注意的是，找的这一套图标，都需要有共同点，这是为了确保后续生成图标结构造型的一致性,使整套图标形成统一的视觉系列感；
例如我找的这几个，它们的共同点就是：轴侧构图、低多边形、圆润规整；之后我们便可以运用ControlNet-硬边缘检测功能，从而“锁定”图标的大致外轮廓，用SD对这些图标进行风格样式的重绘。
使用步骤 - 打开SD后
第一步：点击展开ControlNet，将图片拖动至预览选取框，（注意，我们要上传的图片有几点要求：1.背景干净没多余的元素或文字、2.图片尺寸比例1:1，最好为512x512大小、3.图片清晰度不能过于模糊，保证外轮廓清晰）
第二步：选择预处理器Canny（硬边缘检测）以及对应的Canny模型
第三步：勾选启用ControlNet
关于Checkpoint（俗话叫“大模型”）、Lora模型，可以在C站进行下载，网址为：https://civitai.com/；目前“C站”的模型不断迭代出新，视觉风格包罗万象，本次课程将会通过运用不同的Checkpoint大模型及Lora进行视觉调配，生成我们所期望的C端图标效果图。
我们先来说说3D直播礼物图标类型的图标，这类的图标可采用真实系大模型Deliberate，搭配造型圆润可爱、质感材质偏向粘土手办的Blindbox盲盒和3D rendering风格的Lora模型。
接着我们来了解下提示词，这里的正向提示词能更好的帮我们确定想要的风格，这里要注意的一点是：对词语使用双括号意味着让生成的画面更加聚焦于生成的物体，这里的“Polaroid camera（拍立得相机）”如不使用双括号的话，就可能生成：一个人拿着拍立得相机或者拍立得相机放在场景中，为了避免这样的情况，就可以使用双括号；
而反向提示词也比较通用，主要是在正向提示词中加入想要生成的风格。
在使用Lora模型时候，可以在正向提示词区域调整Lora模型的效果权重数值，直接影响生成图的视觉风格比重。要注意：Lora权重默认为 1，最低不能低于 0.2，否则没效果影响。
迭代步数指的是Stable Diffusion生成图像所需的迭代步数。每增加一步迭代，都会给AI更多的机会去比对提示和当前结果，并进行调整。
更高的迭代步数需要更多的计算时间。但高步数并不一定意味着更好的结果。当然，如果迭代步数太少，会降低生成图像的质量。
这里以 迭代步数20 和 迭代步数40 为例子，可以看出 迭代步数40 生成的图片细节丰富、高质量，反观迭代步数20的造型轮廓模糊，缺少细节。
下图便是我们生成的3D直播礼物图标，可以看出生成的图标风格还是十分统一的。
下面我们再看另外一个案例：赛博机械图标。
这类图标我们选用的大模型是：MechaMix Lora模型为：Real Mechanical Parts。
这里要说的一点是关于触发词，很多创作者在C站上传模型时，会带上触发词，我们可以在右边的介绍中直接查看，并将触发词加入到正向提示词中，这样能让SD更准确的识别模型的预设效果与参数。
有一个知识点要注意一下叫canny权重，因为机械风格往往造型结构相对复杂夸张，这里我们把Canny控制权重从默认的1调整为1.5。原因是控制图标外形变化差异不要过大，使得与参考图不符。
这里以 控制权重0.6 和 控制权重1.5 为例子，可以看出控制权重0.6生成的图片剥离外轮廓造型，造型自由发挥，比较浮夸、反观控制权重控制在1.5的图片则更注重外形轮廓，生成的比较靠近我们想要的。
下图便是我们生成的赛博机甲图标，可以看出生成的图标风格无论是在造型、配色、视角都十分统一，下面我罗列一些目前市场上比较流行风格的提示词，按照上面教的步骤就可以生成对应风格的图标了。
描边厚涂手绘图标：
正向提示词：
((图标内容:1)), isometric view, paint material, glossiness, cartoon, clay material, (cute), white background, fine luster, mockup, behance, dribbble, soft circularism, (low poly:1), jim lee
*其中：jim lee为触发词
反向提示词（通用）：
Grayscale, low saturation, (worst quality, low quality:2), ((character:2)), EasyNegative, bad_prompt_version2
国风水墨图标：
正向提示词：
((图标内容:1)), isometric view, paint material, glossiness, cartoon, clay material, (cute), white background, fine luster, mockup, behance, dribbble, soft circularism, (low poly:1), shuimobysim, wuchangshuo,
*其中：shuimobysim, wuchangshuo 为触发词
反向提示词（通用）：
Grayscale, low saturation, (worst quality, low quality:2), ((character:2)), EasyNegative, bad_prompt_version2
扁平轻渐变图标：
正向提示词：
((图标内容:1)), isometric view, paint material, glossiness, cartoon, clay material, (cute), white background, fine luster, mockup, behance, dribbble, soft circularism, (low poly:1), vector, 2d, geometry, Flat Style, Colorful gradient, game icon institute,
*其中：game icon institute 为触发词
反向提示词（通用）：
Grayscale, low saturation, (worst quality, low quality:2), ((character:2)), EasyNegative, bad_prompt_version2
像素风格图标：
正向提示词：
((图标内容:1)), isometric view, paint material, glossiness, cartoon, clay material, (cute), white background, fine luster, mockup, behance, dribbble, soft circularism, (low poly:1), pixel art, 2d, Low Resolution, pixel, pixel sprite, 16bitscene,
*其中：pixel, pixelsprite, 16bitscene 为触发词
反向提示词（通用）：
Grayscale, low saturation, (worst quality, low quality:2), ((character:2)), EasyNegative, bad_prompt_version2
我们可以将AI生成的位图通过这个在线网站（https://vectorizer.ai/）工具转换成可编辑的SVG矢量图，该网站不需要注册，而且完全免费的，我们将下载好的SVG矢量图拖至Figma或者Adobe AI软件，便可以编辑对应的路径及视觉样式。
最后，文章到此就告一段落了，当然这只是AIGC在UI实际使用场景中的一部分，本文可以说是给AIGC的初学者提供了引导的作用，后续我们还会推出更多类似的文章，请敬请期待～
