AI赞助的游戏资产制作流程

在这一部分中，我们将谈论如何利用 AI 天生 2D 资产。
我们将先容天生 2D 资产的协作过程，个中将 Stable Diffusion 作为工具合并到传统的 2D 事情流程中。
这适用于具有一些图像编辑和 2D 资产创建知识的读者，但可能对初学者和专家等人有所帮助。

推举：用 NSDT场景设计器 快速搭建3D场景。

你须要先准备好以下工具：

诸如Stable Diffusion之类的扩散模型通过在文本的辅导下从噪声中重修图像来事情。
Image2Image 利用相同的过程，但以真实图像而不是噪声作为输入开始。
这意味着输出将在某种程度上类似于输入图像。

Image2Image 中的一个主要参数是去噪强度。
这掌握了模型改变输入的程度。
去噪强度为 0 将准确再现输入图像，而去噪强度为 1 将天生截然不同的图像。
考虑去噪强度的另一种方法是创造力。
下图演示了在各种去噪强度下，利用圆形输入图像和提示“玉轮”进行的图像到图像。

Image2Image 许可将 Stable Diffusion 作为一种工具利用，而不是作为传统艺术事情流程的替代品。
也便是说，你可以将自己手工制作的资产通报给 Image2Image，然夹帐动迭代返回结果，等等。
让我们以农场游戏为例。

在本节中，我将先容如何为农场游戏天生玉米图标。
作为出发点，我勾勒了一个非常粗糙的玉米图标，旨在支配图像的构图。

接下来，我用以下提示让用Image2Image 天生一些图标：

corn, james gilleard, atey ghailan, pixar concept artists, stardew valley, animal crossing

我利用了 0.8 的去噪强度，以鼓励模型更具创造性。
天生几次后，我找到了一个我喜好的结果。

图像不须要是完美的，只要朝着你要去的方向，由于我们会不断迭代。
就我而言，我喜好所产生的风格，但认为茎有点太繁芜了。
以是，我在photoshop中做了一些修正。

请把稳，我粗略地绘制了我想要变动的部分，许可 Stable Diffusion 添补细节。
我将修正后的图像放回 Image2Image，这次利用较低的去噪强度 0.6，由于我不想 从输入图像偏离太远。
Stable Diffusion返回给我一个令人满意的图标。

玉米杆的底部对我来说有点太绘画了，顶部有一个新芽。
以是，我在 photoshop 中对这些进行了绘画，在 Stable Diffusion 中又进行了一次处理，然后删除了背景。

Voilà，在不到 10 分钟的韶光里，一个游戏就绪的玉米图标。
但是，你可以花更多的韶光来得到更好的结果。
我推举不雅观看此视频，以更详细地演习训练如何制作更繁芜的资产。

在许多情形下，你可能须要轻微对抗Stable Diffusion才能得到想要的结果。
对我来说，镰刀图标便是这种情形，它须要大量的迭代才能达到我想要的方向。

问题可能在于这样一个事实，即网上有更多关于镰刀作为武器而不是作为农具的图像。
办理此问题的一种方法是提示工程，或摆弄提示以考试测验将其推向精确的方向，即在提示中写镰刀、镰刀工具或在否定提示中写武器。
但是，这不是唯一的办理方案。

Dreambooth、textual inversion和 LoRA 是用于定制扩散模型的技能，使它们能够产生更符合你目标的结果。
这些超出了本教程的范围，但值得一提，由于它们在 2D 资产生成领域变得越来越主要。

layer.ai 和 scenario.gg 等天生做事专门针对游戏资产生成，可能利用 dreambooth 和文本反转等技能来许可游戏开拓职员天生风格同等的资产。
然而，在新兴的天生游戏开拓工具包中，哪些方法将成为最主要的方法还有待不雅观察。

如果你有兴趣深入理解这些高等事情流程，请查看此博客文章和 Dreambooth 培训空间。

原文链接：http://www.bimant.com/blog/make-game-asset-with-ai/