註：以下僅為本人實驗的紀錄，可能無法一體適用，參數與方法過程僅供有興趣的朋友參考，歡迎有實驗精神的你參與交流。
近期AI在影像生成領域的應用，特別是生產力的支援上，已經有愈來愈多的實際案例，特別是Stable Diffusion Webui與Controlnet的協作上（它們的安裝方式亦有許多線上教學）網路上亦有許多專業人士撰文分享經由「動作控制」的創作成果（這裡就不加贅述）而其中一個蠻實際（也蠻有趣）的應用，也常被廣泛討論與實驗的例子，就是透過Controlnet所融合的特殊QRcode影像，透過這個「協同合作」的創作，融合出來的QRcode就不會像傳統二維碼那樣的單調，甚至還帶有濃厚的藝術性質，未來在商業應用上或許也會是一項新的嘗試，以下紀錄僅是我試驗的過程，過程的參數我會放在最後，讓有興趣的朋友研究參考。
這個應用情境可能是，如果你有自己的產品想要以QRcode來行銷，而「文生圖」（txt2img）的結果又無法與你的實際想像契合時，那麼用你的實際產品做為基底的圖生圖（img2img）QRcode就是一個不錯的選項。
以我的例子為例，醫院常有事求人的人員應徵需求，剛好過去又有各職類的棚內拍攝素材留下，而我們過去常有的狀況是，該員離職後，基於尊重的考量，以他為主的拍攝素材就必須撤換（或是重拍過），但是現在可以透過Stable Diffusion與Controlnet的合作，將素材重新運算與重組成新的人物，這也不失為一種高效的工作流程選項之一，各位也不妨做為一種新的嘗試學習看看。實驗過程
- 純化原始照片：照片的來源，是我在醫院實際棚拍的護理人員，接著我將這些實際人物用PS去背處裡，接著用Controlnet的Openpose模組重新運算人物，也將背景進行純化，於是我就有五個新的人物來進行後續的QRcode融合實驗。
- 調整照片尺寸與人物比例：照片我除了先以PS編修大小之外（我都改成正方形尺寸以配合QRcode的布局），我也會將人物在畫面的佔比重新調整，因為有時候人物佔比太大，會讓QRcode的準確率大幅降低，有時候在運算過程裡QRcode也比較無法正確「服貼」在人物的衣物上，我試驗的結果是，將人物主體調整成佔畫面的三分之一左右，會讓QRcode的布局完整一些，成功率也會提高許多。
- 製作QRcode：將需要宣傳的網址製作成QRcode，尺寸為350x350，容錯率設定在30%，我習慣用這個QRcode平台來產生，當然你也可以用你適合的平台。
- 置入圖形：進入Stable Diffusion Webui，選擇圖生圖（img2img），將你的QRcode圖形分別放進圖生圖的圖片欄位，以及Controlnet unit 0的裡面，人物圖形則是放進Controlnet unit 1裡面，Prompt跟Negative欄位你還是要填入適合的人物描繪的說明，愈清楚愈好。
- 選擇StableDiffusion的模型與取樣：運算模型繁多，選擇你喜歡的，我自己蠻喜歡moonfilm這個模組，我五張圖也都是用這個模型運算出來的，若你有興趣也可以下載使用。至於取樣（Sampling）我都習慣用DPM++ SDE Karras，你可以選擇你習慣的。
- 選擇Controlnet的模型：前面提到的Controlnet unit 0（放QRcode圖）與Controlnet unit 1（放人物圖），都各自有自己的模型需要選擇，Controlnet unit0（放QRcode圖）的預處理器可以選擇none，但模型我是用control_v1p_sd15_qrcode這個專用模型，請你記得前往下載使用。而Controlnet unit 1（放人物圖）的預處理器，我習慣用canny，而模組我習慣用control_v11p_sd15_canny。
- 調整運算參數：說實在的，各項數值真的需要多多嘗試，沒有一定的規範，我會把五張圖的運算參數結果放在後面讓各位參考，記得看過某位前輩說，這段嘗試與運算的過程，一半是藝術，另一半就算是科學了，只能捲起袖子嘗試看看。
以下則是我用上面五張運算過的圖片再次運算直出的結果，以iPhone來掃描很快可以得到連結，若以安卓系統掃描就會需要稍微等待一下（為何有這樣的差異？這一點我也不了解...），我把每張的運算參數都附在圖說裡，各位可以發揮實驗精神多方嘗試，最後預祝各位Controlnet之路平安順利。
實驗後記（僅供參）
- Controlnet unit0放QR CODE時，若權重低於1.5可能會影響正確辨識率，但表現也會更有創意，大概到1.55左右QRcode正確率會提高。
- QRcode與人物圖（或產品圖）的大小，最好都是正方形，主體若是人物最好不要太大，約佔畫面的三分之一左右似乎有最佳結果（掃描成功率）。
- 關於Controlnet的控制步數, 人物跟QRcode不要同時算, 最好是人先進, 然後QRcode再進, 這樣服貼在人身上的QRcode會比較自然，一起算的話看起來會平面化，人物圖則是可以從零算到結束(0-1)，QRcode圖的進出時間可設定在0.1-0.8之間。
- 若有算到滿意的圖像，也可把seed複製下來後，再去修改運算參數，或把Controlnet unit2再加上QRcode圖去算，進出時間可以設定在0.8至1之間。
- 以上僅為個人實驗筆記，無法確認正確性，若有失誤都歡迎指正交流。
《如果我的文章對你有任何的幫助或是啟發，非常歡迎你持續追蹤這裡的專題，或是分享給你的朋友，也感謝你的耐心閱讀。》
祝你順心 by 福妹可啡工作室
