本发明涉及到提高效果图中植物逼真度的技术，特别涉及到一种提高效果图中植物逼真度的方法。
背景技术：
：：1、在各种应用场景的设计效果图中常常采用植物作为点缀或渲染的元素，在整个效果图中有着极为重要的作用。然而。现有技术效果图中植物的逼真度不够是一个普遍存在的问题。其原因主要是由于现有技术效果图植物的制作方法采用传统的制作模式，即通过模型创建、纹理贴图、材质设置、光照与渲染和后期处理几个工序，将二维的纹理图像覆盖在创建的三维模型上，再经过三维软件的材质属性设置，如：反射率、透明度、粗糙度等，以进一步增强植物的真实视觉效果。然后再通过设置合适的光照条件，模拟自然光对植物的影响，如阴影、高光等。然后使用渲染引擎进行渲染，生成最终的效果图。在效果图生成后，还可能进行后期处理，如调整色彩、对比度和添加雾效等，以提高整体的逼真度。显然，由于模型过于简化且缺乏细节，无法准确反映真实世界中的复杂性和多样性；又由于纹理贴图的重复使用，导致多个植物模型看起来相似，缺乏个性化和多样性；再加上材质属性处理的不真实感和光照及阴影的处理不足等等，使得现有技术效果图中植物的逼真度明显不够，真实感欠佳。显然，现有技术效果图植物的制作方法存在着植物逼真度不够，缺乏个性化和多样性等问题。2、另外，stable diffusion是一款ai人工智能绘画软件，用户输入语言指令即可自动生成各种风格的绘画图片。stable diffusion功能强大，使用方便，支持各种尺寸的图片输出，可以生成具有多样化效果和良好视觉效果的图像。stable diffusion可以通过生成多样化、高质量的图像、修复损坏的图像、提高图像的分别率和应用特定风格到图像上等方式：辅助视觉创意的实现。它为视觉艺术家、设计师等提供更多的创作工具和素材，促进视觉艺术领域的创新和发展。技术实现思路1、为解决现有技术效果图植物的制作方法存在的植物逼真度不够，缺乏个性化和多样性等问题，本发明提出一种提高效果图中植物逼真度的方法。2、本发明提高效果图中植物逼真度的方法，采用lora模型对真实植物的高分辨率图像进行训练，生成包含真实植物图像的图像数据集；采用计算机三维仿真软件设计效果图，并在经过渲染处理后导入stable diffusion中；选择出图参数，包括，大模型、图像分辨率、采样器和调度器，并使用controlnet插件进行线稿控制和tile控制；再添加lora模型训练生成的图像数据集中的对应植物种类和细节的图像模型；然后，生成植物具有高逼真度的效果图；其中，所述效果图是指通过计算机三维仿真软件技术来模拟真实环境的高仿真虚拟图片；所述线稿控制和tile控制均为controlnet插件自带的功能。3、进一步的，所述提高效果图中植物逼真度的方法，包括以下步骤：4、步骤s1、生成图像数据集5、步骤s101、准备素材集6、人工筛选500张拟插入效果图中的真实植物的图像，裁剪至统一分辨率为512*512、512*768、768*512或768*768，并将筛选后的所有图像存储于同一文件夹中；7、步骤s102、素材集标注8、对步骤s101中的每一张图像进行详细标注，描述每张图片的内容，包括植物名称、细节和画面内容；并将标注信息保存为与图像同名的txt文档，且与图像存放于同一文件夹内；9、步骤s103、模型训练10、采用lora模型训练工具对步骤s101筛选的图像进行训练；11、步骤s104、图像数据集的生成和保存12、训练完成后，将生成的图像数据集保存至stable diffusion的模型文档位置；13、步骤s2、优化效果图14、步骤s201、效果图渲染15、采用计算机三维仿真软件的渲染工具对创建的效果图进行渲染，得到渲染后的图像；16、步骤s202、图像添加与文字填写17、将渲染后的效果图导入stable diffusion webui中，并填写有关效果图特征的提示词；18、步骤s203、参数调整与图像控制19、选择出图参数，包括，大模型、图像分辨率、采样器和调度器，并使用controlnet插件进行线稿控制和tile控制；20、步骤s204、图像数据集模型的利用21、添加在步骤s104训练生成的图像数据集中的对应植物种类和细节的图像模型；22、步骤s205、生成效果图23、完成上述步骤后，生成植物具有高逼真度的效果图。24、进一步的，所述步骤s103采用lora模型训练工具对步骤s101筛选的图像进行训练，包括：25、①定义训练参数：设置训练步数、学习率和批次大小参数；其中，训练步数通过以下公式计算：训练图片数量×重复次数÷训练批次大小×训练周期epoch；26、②配置文件路径：指定训练数据目录、日志输出目录和模型输出目录；27、③选择分辨率：根据训练数据和模型要求，设定训练图像的最大分辨率；28、④训练监控：在训练过程中，定期生成样本图像以监控训练进度和模型性能；29、⑤调整模型细节：通过调整lora网络的秩数rank和混合精度mixed precision，优化模型性能和训练效率；30、⑥训练完成后的评估：在训练完成后，需要对训练好的图像模型进行评估，确保其能够满足图像生成需求。31、本发明提高效果图中植物逼真度的方法的有益技术效果，包括：32、1、增强视觉真实性：通过本发明的方法，生成的植物效果图在视觉上更加逼真，细节丰富，能够精确模拟自然植物的形态特征和生长状态。33、2、提升艺术表现力：优化后的植物效果图在艺术表现上更为出色，可以更好地捕捉和再现植物的独特美感，适用于高质量的艺术作品和展览。34、3、改善设计沟通：在景观设计和园艺规划中，逼真的植物效果图可以作为有效的沟通工具，帮助设计师和客户更准确地理解和评估设计方案。35、4、提高工作效率：利用本发明的方法，设计师和艺术家可以快速生成高质量的植物效果图，显著提高工作效率，缩短项目交付时间。36、5、降低成本：相比传统的植物摄影和图像处理技术，本发明的方法减少了对专业设备和人员的依赖，从而降低了制作高逼真度植物效果图的成本。37、6、环境适应性强：该方法能够根据不同的环境条件和光照变化，生成适应各种场景需求的植物效果图，提供了更大的灵活性和应用范围。38、7、推动技术发展：本发明的方法通过结合先进的神经网络技术和图像处理算法，推动了植物效果图生成技术的发展，为未来相关技术的研究和应用奠定了基础。技术特征：1.一种提高效果图中植物逼真度的方法，其特征在于，采用lora模型对真实植物的高分辨率图像进行训练，生成包含真实植物图像的图像数据集；采用计算机三维仿真软件设计效果图，并在经过渲染处理后导入stable diffusion中；选择出图参数，包括，大模型、图像分辨率、采样器和调度器，并使用controlnet插件进行线稿控制和tile控制；再添加lora模型训练生成的图像数据集中的对应植物种类和细节的图像模型；然后，生成植物具有高逼真度的效果图；其中，所述效果图是指通过计算机三维仿真软件技术来模拟真实环境的高仿真虚拟图片；所述线稿控制和tile控制均为controlnet插件自带的功能。2.根据权利要求1所述提高效果图中植物逼真度的方法，其特征在于，所述提高效果图中植物逼真度的方法，包括以下步骤：3.根据权利要求2所述提高效果图中植物逼真度的方法，其特征在于，所述步骤s103采用lora模型训练工具对步骤s101筛选的图像进行训练，包括：技术总结为解决现有技术效果图植物的制作方法存在的植物逼真度不够，缺乏个性化和多样性等问题，本发明提出一种提高效果图中植物逼真度的方法，采用LORA模型对真实植物的高分辨率图像进行训练，生成包含真实植物图像的图像数据集；将效果图导入Stable Diffusion中；再添加图像数据集中的对应植物种类和细节的图像模型；然后，生成植物具有高逼真度的效果图。本发明的方法的有益技术效果是将LORA模型训练的图像数据集作为Stable Diffusion的图像生成处理的主要背景材料之一，使得效果图中的植物逼真度得到显著提高。技术研发人员：杨洋受保护的技术使用者：重庆言瓷映画装饰设计工程股份有限公司技术研发日：技术公布日：2024/10/14