这是一项全新的ai辅助城市设计的技术，它的到来让一些时间紧任务重的项目变得没那么难以完成。ai可以将建筑师在方案初期所画出来的线稿进行快速的深化，并且快速渲染。而这不仅不会耗费太多的人力物力，甚至不会花费太多的成本在里面。
而在团队最近的一个城市设计项目当中，由于ai辅助表达技术的运用，为整个项目的工作流带来了一些全新的可能性。作为一个总规划面积约为四十点零二平方公里，横跨整个城区，且包含了十个详细设计节点的城市设计项目。
如果使用常规的工作流，那么我们的工作会是这样的：在前期调研规划结构、用地性质、空间形态塑造、管控引导的大思路之外，由于汇报中设计效果需要直观的体现，往往需要花费大量的人力成本，时间成本与经济成本、完成片区级的建筑与下午图的制作。
而这又是与城市设计的技术核心相关性并不强的内容，最终导致在工作分配上投入产出比并不高。于是在这样的背景下，我们开始尝试能不能让ai辅助表达来改进这一现象。
二零二二年随着拆的gbd 的突然爆火，美的jeremy以及本次视频将重点介绍的stwl d feel选等一众ai应用平台也开始迅速的抑菌引起。作为图像类的ai平台，它能快速的将基础图片或文字通过ai技术进行定向的深化，而这项技术的运行逻辑其实并不复杂。我用下面这张图就可以给你解释清楚，sd 的运行逻辑可以分为三个部分去进行理解。
输入端、前空间以及输出端在输入端提图片文字为成功的生成提供一个基础。而为了让ai可以理解你输入的东西，可以用文本编码器将提供的素材进行转移，投放到浅空间当中。再通过ctrl强化素材的造型进行画面丰富，随后导出成图。
除此之外，为了真正实现你想要的图像生成，还需要简单的理解ai模型的训练逻辑。训练模型就是将一系列有类似风格类似视角的项目类型图片进行汇总，并且和项目所需要的tag关键词进行柔和。再把tag和图片导入秋叶大佬的lower script，这一过程便是训练模型，而一个模型合适的礼盒度。
在很大程度上决定了出图质量的好坏，模型的训练情况可以分为三种嵌礼盒，过礼盒和刚好，不同的情况的模型会有相应的问题。而辨别它们的方式可以通过训练当中记录过程的一个数值，也就是defs值来进行判断。在理解了基本逻辑以及模型训练之后，用defusion平台的辅助表达过程。总的来说可以分为四个步骤：素材的输入、ctrl 的控制、参数控制以及后期的处理。
第一步，素材的输入要以提示词和模型为主要反的提示词，有不同的作用正向提示词。告诉处理器具体的需求是什么，想出什么样的图，而反向的提示词则是告诉处理器你不希望出现什么。在正向提示词的末端加上训练好的风格模型即可。
·第二步，在ctrl的控制下需要准备两张图，一张是线稿图一张是色块图，通过建模软件导出底图后，选择对应的控制器控制模式以及承重。而抽象控制则包含了抽象函数，采用方法提示词引导系数，ctrl等一系列的控制模块不同的模块对于参数的改变都会对底图有不一样的影响。迭代步数越多出的图就越丰富。不同类型的底图选择的采样方法也不一样。建筑通常会选用aisdes christ等采用方式提示词，引导系数越高成果就会越靠近提示词。而 ctrl net的模块群众越高成果就会越靠近你的底图形态。在准备好这一系列的参数后。
·第三步，直接点击生成就可以开始抽卡。而这个过程之所以叫做抽卡，是因为ai的结果充满了很大的不确实定性。每一轮所出的图片都会有不同的偏差，所以可以通过一定数量的成果图来得出想要的结果。
·第四步，用ps将抽卡所得的底图结合重点设计片区的局部渲染进行混合，便得出了最终的成果图。当下ai技术在不断的突破其本身的高度与底座、游戏服、设置、ui设计、海报产品等一系列领域都有其可圈可点的地方。这样一项有潜力的技术在未来势必会颠覆现有的一系列工作流程和生活方式。
而我们不应该在它真正来临的时候感到恐慌，而是在当下开始逐渐接受它，出现在我们的日常当中去学习它的过程，学习它的原理，运用它的性能。
好了，非常感谢大家能观看。本期的内容，希望对大家的工作有所帮助。
