ControlNet作者推新项目Omost 一句话变构图小作文 再也不用为写提示词头疼了

　　近日，ControlNet的作者推出了一个全新的项目——Omost。这个项目对现有图像模型的提示词理解有着巨大的帮助。通过很短的提示词，就可以生成非常详细并且空间表现很准确的图片。

　　Omost通过预定义的位置、偏移量和区域三大参数来简化图像元素的描述。这使得用户能够更直观地指定图像中各个元素的位置和大小，从而生成高质量、符合预期的图像。

　　使用Omost，你只需要输入简单的提示词，LLM就可以生成图像每个区域的简单提示和位置信息。然后针对图像九宫格的简单提示词继续扩展，保证了每一部分都有非常详细的描述。

　　比如，我输入创建一个梦幻的空中城堡，然后它给我返回了一段非常详细的图像描述:

　　这张照片展示了一座漂浮在高空的梦幻空中城堡，

　　“城堡完全由玻璃和闪闪发光的金属制成，反射出耀眼的阳光。”，

　　“精致的桥梁连接着各种塔，每座塔都装饰着复杂的雕刻和发光的符文。”，

　　“城堡周围的天空是柔和柔和色调的渐变，从黎明的粉红色过渡到黄昏的蓝色。”，

　　“下面是郁郁葱葱的森林、波光粼粼的河流和连绵起伏的山丘。”，

　　“整个场景笼罩在一种神奇的氛围中，柔和空灵的光束照亮了城堡，营造出一种奇妙和迷人的感觉。”

　　然后点击生成图像，它就会将上面的提示转化为图像返给你:

　　效果还不错。我们也可以将提示词复制到MJ中生成。效果如下:

　　更牛逼的是，Omost已经完成的图像整体布局可以保留，如果你想修改画面中的某个元素，也只需要一句提示词即可。比如你原来的画面主体是龙，你可以直接把龙变成恐龙。

　　项目亮点:

　　自动扩展提示词:Omost能够将简单的提示词拆解成详细的描述，从图像整体到局部元素的位置和大小均能详细说明。例如输入“a funny cartoon batman fights joker”，系统会生成蝙蝠侠与小丑战斗的完整图像。

　　高灵活性:生成的图像布局可以保留，用户可以通过简单的提示词对图像中的某个元素进行修改。比如，将龙变成恐龙，系统会根据新提示生成修改后的图像。

　　图像位置编码:Omost通过将图像划分为729个不同的位置来简化图像元素的描述。每个位置包括预定义的参数，如位置、偏移量和区域，确保图像生成的准确性和细致度。

　　子提示系统:所有Omost LLM都经过训练，可以提供严格定义的“子提示”，这些子提示可以独立描述事物，并任意组合形成完整的提示。这种设计提高了提示词的灵活性和准确性。

　　注意力操纵:Omost使用注意力分数调整技术来控制图像生成过程中的区域关注度，实现更精细的图像生成。通过调整注意力分数，Omost能够生成符合提示词描述的图像元素。

　　提示前缀树:Omost引入提示前缀树技术，通过合并子提示来改进提示理解和描述。例如，可以将路径“a cat and a dog. the cat on the sofa”作为提示，从而生成相应图像。

　　Omost的实现和使用

　　Omost项目基于Llama3和Phi3变体模型，用户可以通过提供简单的提示词来生成复杂的图像。以下是该项目的几个关键组件:

　　位置和偏移量:将图像划分为9个位置，每个位置进一步划分为81个偏移量，共有729个边界框，用于描述图像元素的位置。

　　distance_to_viewer和HTML_web_color_name:用于调整图像元素的视觉表现，通过组合这些参数可以生成粗略的图像构图。

　　注意力操纵:基于注意力分数操作的baseline渲染器，通过调整注意力分数来控制不同区域的模型关注度。

　　应用和前景

　　Omost技术的推出，不仅简化了提示词的编写，还提高了图像生成的精确度和灵活性。其应用场景包括但不限于AI绘画、图像设计、广告创意、教育等领域。用户可以通过简单的提示词生成复杂的图像，为创意设计提供了强大的工具支持。