摘" 要：隨著數(shù)字鐵路規(guī)劃的提出，對鐵路應(yīng)用軟件的建設(shè)速度與質(zhì)量要求越來越高。鐵路應(yīng)用軟件研發(fā)面臨的很重要的問題是隊伍水平參差不齊、缺少專業(yè)設(shè)計人員，產(chǎn)出的軟件產(chǎn)品的用戶界面設(shè)計和用戶體驗質(zhì)量差強人意。該文提出一種借助stable diffusion工具的AIGC能力，按照設(shè)計—生成—再優(yōu)化的步驟，通過正向和反向提示詞、調(diào)優(yōu)參數(shù)以及蒙版重繪的手段實現(xiàn)較為高效的產(chǎn)出海報設(shè)計，既降低對設(shè)計人員的專業(yè)要求又節(jié)省整體出圖時間。該方法應(yīng)用在某業(yè)務(wù)安全日以及中秋節(jié)軟件中海報宣傳中，取得很好的效果。

關(guān)鍵詞：AIGC；文生圖；提示詞；軟件界面設(shè)計；海報設(shè)計

中圖分類號：TP311" " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號：2095-2945（2025）06-0133-05

Abstract： With the proposal of digital railway planning， the requirements for the construction speed and quality of railway application software are becoming increasingly high. The very important problems faced by railway application software research and development are the uneven team level， the lack of professional designers， and the unsatisfactory user interface design and user experience quality of the produced software products. This paper proposes an AIGC capability using the stable diffusion tool to achieve more efficient output poster design through forward and reverse prompts， tuning parameters， and mask redrawing in accordance with the steps of design-generation -reoptimization. It not only reduces the professional requirements for designers but also saves overall drawing time. This method was applied to poster promotion in a business safety day and Mid-Autumn Festival software， which achieved good results.

Keywords： AIGC; Wenshengtu; prompt word; software interface design; poster design

《數(shù)字鐵路規(guī)劃》作為中國鐵路發(fā)展的重大戰(zhàn)略，于2023年下半年正式發(fā)布。根據(jù)規(guī)劃指示：“未來要建設(shè)高質(zhì)量的數(shù)字鐵路應(yīng)用支撐數(shù)字化轉(zhuǎn)型”，因此數(shù)字化應(yīng)用的建設(shè)是未來數(shù)字化鐵路建設(shè)的重要支撐。鐵路信息化經(jīng)過了40多年的發(fā)展已經(jīng)頗具規(guī)模，取得了相當(dāng)?shù)某煽?。但總體而言，鐵路信息化水平尤其是軟件研發(fā)能力更多地關(guān)注“實現(xiàn)功能”的層面，離數(shù)字化應(yīng)用所需要的UI和UX高質(zhì)量設(shè)計尚有不小的距離。

1" 問題的提出

目前鐵路正在運行的信息系統(tǒng)超過2 000個，但大多數(shù)是企業(yè)內(nèi)部應(yīng)用，只注重功能而不注重用戶體驗，信息展示的合理性不足。造成這種情況的重要原因是鐵路軟件研發(fā)團(tuán)隊中產(chǎn)品設(shè)計崗人員欠缺，無法支撐“以用戶為中心”的研發(fā)要求。

傳統(tǒng)UI設(shè)計師主要的工作職責(zé)涉及視覺設(shè)計、用戶界面設(shè)計和制定設(shè)計規(guī)范三大部分[1]，其中視覺設(shè)計在視覺設(shè)計對于頁面的美觀度、情感化的提升是非常顯著和重要的，是最能體現(xiàn)設(shè)計師創(chuàng)意和專業(yè)能力的。軟件設(shè)計階段的視覺設(shè)計的工作量是非常大的，一部分原因是營銷運營的活動場景通常需要圖片配合文案經(jīng)常變動，且時間節(jié)點要求比較嚴(yán)格；另外是由于單場活動的出圖量大。比如為了配合某一主題的營銷活動，除了主視覺的設(shè)計需要設(shè)計人員的創(chuàng)意能力之外，根據(jù)線上終端和展示位的差異，線下物料打印尺寸等不同，還要花費大量的時間把設(shè)計好的主視覺做設(shè)計圖的微調(diào)和適配工作。

進(jìn)入2023年以來，以ChatGPT為代表的生成式人工智能（Artificial Intelligence Generated Content，AIGC）和大模型能力迅速發(fā)展，取得了一系列研究成果。文獻(xiàn)[2]探討了AIGC的發(fā)展歷程，以及在設(shè)計行業(yè)的應(yīng)用場景，包括廣告設(shè)計、動畫設(shè)計、游戲設(shè)計中的應(yīng)用；文獻(xiàn)[3]探討了AIGC繪圖工具在UI界面設(shè)計中的應(yīng)用；文獻(xiàn)[4]介紹了AIGC用于在服裝設(shè)計圖案的精細(xì)調(diào)色、色彩搭配的優(yōu)化以及材料選擇的創(chuàng)新等；文獻(xiàn)[5]對stable diffusion和Midjourney 2個以繪畫為核心主導(dǎo)的 AIGC 模型的動態(tài)圖形設(shè)計進(jìn)行介紹并給出了簡要示例；文獻(xiàn)[6]設(shè)計了基于AIGC常用模型的生成流程；文獻(xiàn)[7]使用ChatGPT和Midjourney生成家居設(shè)計效果圖，并指出了生成過程的不可預(yù)測性等問題；文獻(xiàn)[8]使用Stable Diffusion生成虛擬人像，并對不同采樣參數(shù)和采樣方法的效果給出了說明與展示。

本文借助本地化模型Stable Diffusion能力，結(jié)合鐵路應(yīng)用軟件設(shè)計風(fēng)格，設(shè)計了一套適合鐵路海報圖的提示詞，用于鐵路元素海報的快速生成。

2" 基于AIGC的鐵路軟件UI設(shè)計方案

2.1" AIGC方案選擇

AIGC與傳統(tǒng)的任務(wù)導(dǎo)向型人工智能系統(tǒng)不同，生成式人工智能更加注重創(chuàng)造性和自主性[9]。AIGC通過算法和數(shù)據(jù)驅(qū)動，利用計算機(jī)視覺、機(jī)器學(xué)習(xí)和生成式對抗網(wǎng)絡(luò)等領(lǐng)域的技術(shù)，實現(xiàn)對圖形和內(nèi)容的智能處理和生成。通過AIGC的規(guī)?；\用能以更快捷高效的方式完成以往比較復(fù)雜的創(chuàng)作過程，部分甚至完全取代已有的一些“人”的工作。

目前在AI繪圖領(lǐng)域最知名的兩大主流工具是Midjourney與Stable Diffusion。Midjourney是一款商業(yè)化產(chǎn)品，特點是上手難度較低、出圖質(zhì)量高，服務(wù)是端對端的形式，能夠基于一個大模型快速響應(yīng)各種風(fēng)格或內(nèi)容關(guān)鍵詞的繪制，但受限于使用成本和無法私有化部署，不適合鐵路應(yīng)用軟件設(shè)計。Stable Diffusion是開源基于擴(kuò)散模型的文生圖AI工具[10]，可以生成高質(zhì)量和高分辨率圖像，但上手難度較大且對服務(wù)器配置要求較高。

Stable Diffusion webUI支持本地部署，支持的操作系統(tǒng)包括Windows、MacOS和Linux。在Windows上部署webUI需安裝Python、CUDA和Git，以確保webUI的正常運行。本文使用的主機(jī)硬件配置見表1。

本文以軟件中海報設(shè)計為案例，以“4.28世界安全生產(chǎn)與健康日”為主題，突出鐵路職工時刻牢記安全為鐵路生產(chǎn)與運營的第一要務(wù)，確保廣大旅客生命財產(chǎn)安全。在構(gòu)思方面，希望以手繪風(fēng)格展示一位穿著安全制服的鐵路職工在鐵路站臺做安全巡視，配圖文字為“加強鐵路運輸安全，保障群眾生命財產(chǎn)”。

2.2" 基本流程

在Stable Diffusion中有文生圖和圖生圖2種繪圖模式，基礎(chǔ)的操作流程可分成4步，如圖1所示。

最終的出圖效果是由模型、提示詞、參數(shù)設(shè)置三者共同決定的，缺一不可。其中，模型對畫面的風(fēng)格影響最大，提示詞描述影響畫面生成哪些內(nèi)容，而參數(shù)則主要用于精細(xì)化控制畫面的更多細(xì)節(jié)。圖像生成后根據(jù)效果需要進(jìn)一步優(yōu)化和調(diào)整提示詞以及調(diào)優(yōu)參數(shù)。

SD的模型分為官方大模型和定制模型。官方模型雖然強大，但由于它的根本目的是通過預(yù)訓(xùn)練學(xué)習(xí)海量的圖像數(shù)據(jù)從而提升模型整體的基礎(chǔ)認(rèn)知力，所以直接用官方大模型往往不能滿足對細(xì)節(jié)和特定內(nèi)容的專業(yè)繪圖需求。它的真正價值在于降低了模型訓(xùn)練的門檻。相比之下針對特定方向訓(xùn)練的定制模型的理解和繪圖能力更強，實際的出圖效果反而有了極大的提升。工作中可以根據(jù)實際需要在開源社區(qū)中下載的定制模型安裝使用或者根據(jù)需求訓(xùn)練鐵路自己的模型使用。

提示詞是用來調(diào)節(jié)繪圖模型的一種方法，通過輸入想要的內(nèi)容和效果，讓模型理解用戶表達(dá)的含義，從而實現(xiàn)更準(zhǔn)確的出圖效果。Stable Diffusion提示詞包括Prompt（正向提示詞）和Negative prompt（反向提示詞）。正向提示詞用于描述想要生成的圖像內(nèi)容，而反向關(guān)鍵詞用于控制不想出現(xiàn)在圖像中的元素。提示詞全部只支持用英文輸入，只需要用詞組描述中間用逗號隔開，順序越靠前的詞組權(quán)重越高。輸入時沒有嚴(yán)格的語法結(jié)構(gòu)，不同模型對提示詞的敏感度也不同，因此需要設(shè)計師不斷探索，結(jié)合模型特點靈活書寫提示詞的內(nèi)容。

2.3" 模型選擇

首先根據(jù)想要的海報風(fēng)格選擇適合的定制模型，一般常見的定制模型可以分為2D風(fēng)格、3D寫實風(fēng)格兩大類。本文選擇的定制模型為babes20Half.ewU1，與該模型相關(guān)的配置參數(shù)如下。Steps為25，Sampler為DPM++ 3M SDE Karras，CFG scale為7，Size為512×768。

2.4" 提示詞設(shè)計

正向提示詞根據(jù)所要表現(xiàn)的內(nèi)容進(jìn)行設(shè)計，可以套用公式：主體物+構(gòu)成+環(huán)境色+質(zhì)量+風(fēng)格。經(jīng)過多次驗證，表2為滿足需求的提示詞組合。

2.5" 生成圖像

基于設(shè)計好的提示詞以及模型的默認(rèn)參數(shù)，生成了若干張備選圖，在其中選取構(gòu)圖、人物以及火車等主體最能表達(dá)原始需求需求的如圖2所示?？梢钥吹綀D2中雖然整體看起來還可以，但細(xì)節(jié)上有一些比較明顯的錯誤：臉部和手的崩壞比較嚴(yán)重，鐵軌的比例細(xì)節(jié)有一些錯誤。接下來需要進(jìn)一步將利用Stable Diffusion 的局部重繪能力修復(fù)圖片中有問題的細(xì)節(jié)。

2.6" 局部重繪與調(diào)優(yōu)

2.6.1" 遮蓋重繪

局部重繪可以最大限度保留圖像中合理部分的前提下，對需要優(yōu)化的區(qū)域進(jìn)行重新繪制。因此，需要運用手涂蒙版將有待重新生成的區(qū)域遮蓋起來，每次只遮蓋一個區(qū)域。本圖中需要修復(fù)的區(qū)域包括面部、手部、鐵軌幾處細(xì)節(jié)，采用分別遮蓋并執(zhí)行二次重繪。

2.6.2" 參數(shù)調(diào)優(yōu)

配合蒙版的遮蓋重繪，還需要調(diào)整模型的若干參數(shù)，使得重繪的效果更為理想。參數(shù)中對重繪影響比較大的幾個參數(shù)包括：縮放模式、蒙版模式、采樣方法、采樣迭代步數(shù)和重繪幅度等，其中將采樣迭代步數(shù)降低調(diào)整為22，重繪幅度增加調(diào)整為0.72，如圖3所示。

2.6.3" 反向提示詞設(shè)計

經(jīng)過初步驗證，僅通過正向提示詞信息的調(diào)整效果并不理想。最終采用了“蒙版+反向提示詞”結(jié)合的方案：首先把透視比例錯誤的鐵軌，以及不真實的人物臉部和手部使用蒙版涂抹遮蓋；接下來在提示詞中添加如下反向提示詞，見表3。

經(jīng)過上述配置以后，重新生成圖像，效果如圖4所示。

2.7" 海報制作

圖4的效果已經(jīng)非常接近預(yù)期了，沒有明顯的缺陷，可以作為成圖并進(jìn)一步加工。最終生成的海報成圖如圖5所示。按照上述選取模型—提示詞設(shè)計—成圖—優(yōu)化—再成圖的工作思路，可以很快地完成若干應(yīng)用軟件中若干海報的設(shè)計工作。

利用AIGC的能力輔助設(shè)計海報的案例實踐，可以形成運營物料的一套通用解決方案。利用以上的思路和方法，可以嘗試運用AIGC解決客、貨運，國鐵商城等業(yè)務(wù)在各大節(jié)假日、宣傳日等常見場景線上線下的宣傳物料的快速設(shè)計和出圖。解決鐵路軟件研發(fā)團(tuán)隊缺少專業(yè)設(shè)計人員，以及設(shè)計能力不足的問題。圖6為利用AIGC制作的中秋節(jié)運營海報，畫面主體表現(xiàn)的是中秋節(jié)親人搭乘火車趕回一家人團(tuán)聚的歡樂氛圍，文案為“月滿中秋，中國鐵路助力團(tuán)圓”。

3" 結(jié)束語

盡管AIGC在設(shè)計領(lǐng)域尚處于早期階段，但已經(jīng)展現(xiàn)出對軟件設(shè)計帶來實質(zhì)性提升和變革的潛力。通過利用人工智能工具，設(shè)計師們可以更快速地生成創(chuàng)意、優(yōu)化設(shè)計，并在不斷的實驗中不斷改進(jìn)。隨著算力不斷提升，將能夠以更快的速度生成大量的設(shè)計作品。同時，AIGC也有不足之處，其對于具象的需求表現(xiàn)得要好于對抽象需求表現(xiàn)，AIGC繪畫無法穩(wěn)定地繪制出抽象統(tǒng)一的相機(jī)圖標(biāo)，但可以快而穩(wěn)定地繪制出一個精美寫實的單反相機(jī)圖片。而人的優(yōu)勢恰恰在于把復(fù)雜的設(shè)計需求抽象和解構(gòu)，同時對于需求是否被滿足有著審美和判斷，兩者協(xié)作各自發(fā)揮優(yōu)勢將是未來希望達(dá)到的設(shè)計模式。

參考文獻(xiàn)：

[1] 李翰林，姜勇.計算機(jī)圖像處理技術(shù)在UI設(shè)計中的應(yīng)用[J].電子測試，2021（10）：117-118.

[2] 徐暢，杜欣澤，于凱迪.AIGC在設(shè)計行業(yè)應(yīng)用中的挑戰(zhàn)與策略[J].人工智能，2023（4）：51-60.

[3] 王蕾.AIGC繪圖工具在UI界面設(shè)計中的應(yīng)用探析[J].電腦知識與技術(shù)，2023，19（26）：108-111.

[4] 劉曉宇.AIGC在時尚服裝設(shè)計中的創(chuàng)作輔助研究[J].染整技術(shù)，2024，46（3）：63-65.

[5] 張福也.AIGC技術(shù)在動態(tài)圖形設(shè)計中的影響[J].絲網(wǎng)印刷，

2023（12）：97-99.

[6] 孫瑒，陳品，王強.圖標(biāo)設(shè)計整合AIGC技術(shù)的可行性研究[J].包裝世界，2023（9）：49-51.

[7] 陳園，方慶寧，熊芷璇，等.ChatGPT和MJ在家居設(shè)計領(lǐng)域應(yīng)用的機(jī)遇與挑戰(zhàn)[J].家具與室內(nèi)裝飾，2023，30（12）：51-55.

[8] 曾建勇，沈曉萍.基于Stable Diffusion的虛擬人形象預(yù)設(shè)計的應(yīng)用與研究[J].現(xiàn)代信息科技，2024，8（3）：169-175.

[9] 許雪晨，田侃，李文軍.新一代人工智能技術(shù)（AIGC）：發(fā)展演進(jìn)、產(chǎn)業(yè)機(jī)遇及前景展望[J].產(chǎn)業(yè)經(jīng)濟(jì)評論，2023（4）：5-22.

[10] 何結(jié)平.人工智能繪畫生成工具Stable Diffusion視角下平面設(shè)計發(fā)展研究[J].科技經(jīng)濟(jì)市場，2023（11）：45-47.

基金項目：中國國家鐵路集團(tuán)有限公司科技研究開發(fā)計劃重大課題（K2023S008-A（JB））

第一作者簡介：張鶴（1993-），女，助理研究員。研究方向為用戶體驗設(shè)計、智能化UI。

*通信作者：王喆（1981-），男，博士，副研究員。研究方向為DevSecOps、云原生技術(shù)。