最近發現這個realistic最早系列的Checkpoint model 在建築的表現上很好 很值得試試
https://civitai.com/models/131935 (realistic_v10BAKEDVAE)

Clip skip
簡單來說是提示詞引導的表述，跳過的層數越多模型本身的風格性越弱
CLIP 是一種非常先進的神經網絡，可以將提示文字轉換為數位表示。神經網路可以很好地處理這種數值表示，這就是為什麼SD的開發人員選擇 CLIP作為涉及穩定擴散生成影像方法的3個模型之一。由於CLIP是一個神經網絡，這意味著它有很多層。您的提示以簡單的方式數位化，然後透過層傳遞。在第一層之後，您將得到提示的數字表示，將其輸入第二層，將結果輸入第三層，依此類推，直到到達最後一層，這就是stable中使用的 CLIP的輸出擴散。有些模型是透過這種調整進行訓練的，因此設定此值有助於在這些模型上產生更好的結果。
下載模型時 留意若有顯示clip skip的數值時 再設定相同的數值

將Rhino渲染之圖片輸入生成式 AI 系統 ,加上文字說明設計構想以生成擬真建築外觀



**PNG Info**
將圖片(由SD運算生成的)載入後 可以讀取SD運算的資訊

**將圖片按比例調整大小**

Checkpoint的選擇影響很大
Lora的選用也會產生風格變化及有點景效果
https://civitai.com/models/24066
(Minustype_UrbanScene 城市設計人視角效果圖 加上此Lora 點景效果不錯)

**使用SD1.5 model系列**
預設參數如下
Sampling method 採樣方法 DPM++
Sampling step 採樣步驟 預設step:20
ControlNet的使用 控制底圖

**使用LCM lora**
使用比電測試(6GB N卡1660)
尺寸調成(512x720)
Model: realistic_v10BAKEDVAE,
**Steps: 4, Sampler: LCM, Schedule type: Automatic, CFG scale: 1,**

Prompt:modern architecture,facade detailed,view from street,
Negative Prompt:low quality,ugly,blurry,

**底圖為2D線條立面圖**
**底圖1s** (512x720)(最好將圖片長邊尺寸先調整為512 or 1024)

Time taken:22.6 sec.



**底圖1** (728x1024)



**使用二個 ControlNet- MLSD & Shuffle**
Model: realistic_v10BAKEDVAE
第一個使用MLSD 第二個使用Shuffle-ven Gogh的星空 控制權重約0.15~0.3即可











**提示詞範例-高層大樓**
1. Prompt:(masterpiece:1.3),((best quality)),modern architecture,building facade,15 floors,global illuminations,day time,

1. Prompt:masterpiece,best quality,
architectural photography,office building,window,balcony,outdoor,car,motor vehicle,real world location,crosswalk,
day,city,outdoors,road,scenery,sky,street,blue sky,global illuminations,view from the street

1. hight quality,8 k,day,plaza,A building,low-carbon office building in a bustling urban district,The building's west-facing facade features an efficient shading system to minimize solar heat gain,detailed facade,while the north-facing side boasts a fully glazed facade to provide open views and maximize natural lighting,the building is surrounded by the dynamic cityscape,integrating seamlessly into the vibrant urban environment,

**透視角度**
**透視底圖** (1024x1240)(最好將圖片長邊尺寸先調整為512 or 1024)


ControlNet 只使用MLSD
底圖是lineart產生的線條圖 預處理器選擇none
Model: landscapesupermix_v2


**使用二個 ControlNet**
Model: realisticVisionV60B1_v60B1VAE
第一個使用Depth
第二個是MLSD 但底圖是lineart產生的線條圖 預處理器選擇none



**使用二個 ControlNet-Shuffle & MLSD**
Model: landscapesupermix_v2
第一個使用Shuffle
第二個是MLSD 但底圖是lineart產生的線條圖 預處理器選擇none



使用Shuffle 換另一張底圖
Prompt:masterpiece,best quality,modern architecture,road,landscape,office building,architectural photography,view from street,High Resolution Image,dramatic lighting,direct sunlight,ray tracing,clear shadow,<lora:UrbanScene_1024_test1:0.7>,




**作業三**

選用建築立面線稿或透視角度為底圖 進行AI運算 ControlNet的各種Control Type都可以應用
至少AI四張圖+圖片資訊+自行找的圖片 存成檔案(PDF)以名字(學號)命名 放至學校Moodle
交圖時間截止後 電腦會自動分配群組 請大家進行互評-建議或讚美!(重點是看看同學做的 會給你一些不同的學習) 截止後系統即自動關閉 作業二 有三位同學沒有"完成作業"!!
下周上課會挑幾位同學做學習分享