Draw Things CLI 结合 AI Agent 的本地图像生成方案，旨在通过命令行接口实现自动化与批量化图像生产。相较于传统图形界面（GUI），CLI 模式无需启动完整应用，可直接调用底层推理引擎，降低系统资源占用并提升生成效率。本指南提供从环境配置、核心命令到自动化工作流的完整技术路径，适用于视觉特效（VFX）概念设计、资产生成及流水…[查看更多]

使用 Premiere 内置的 VR Plane to Sphere 投影效果，将普通方形图像映射至 2:1 比例的等距柱状投影（Equirectangular）画布中。图像未覆盖的区域保留纯绿色背景，最终通过“导出单帧”生成标准全景贴图，便于后续在三维或合成软件中抠像或替换。

标准操作流程

① 创建 2:1 全景序列

1. File → New → Sequence
2. 分辨率设置为 4096 × 2048（推荐）或 2048 × 1024
3. 必须严格保持 2:1 宽高比，这是等距柱状全景图的标准规范。序列设置中开启VR功能，同时在播放器中右键开启VR模式显示。

② 铺设纯绿色背景 创建新color matte…[查看更多]

最近我一直在想，如果一个影视剧中用到多个角色、能不能把角色制作成Lora，这样角色就能迁移、需要几个角色、只需要调用对应的ora组合就可以。想让AI 生成的各种场景中保持脸部、妆容一致，这就需要用到训练自己的ai Lora，通过 Draw Things 就能在本地训练属于自己的 LoRA 模型，当然也可以通过Comfyui等工具来训练。本文将基于最新的 FLUX.2/SD 架构界面，训练自己的AI 角色Lora。

训练AI 角色Lora操作方法

1. 准备数据集 (Dataset)

在界面的右侧 Dataset 区域：

添加图片： 点击 “Add” 按钮，上传 15-25 张…[查看更多]

这套方法的精髓在于利用 Qwen Image Edit 的局部编辑能力，配合 F2P (Face to Portrait) LoRA，实现从单一“脸部照片”到“全身/多风格肖像”的高保真转换。

一、 环境与资源准备

1. 基础模型：选择 Qwen Image Edit（基于通义千问的图像编辑模型）。

2. LoRA：加载 F2P LoRA（由 ModelScope 社区 Dent Studio 提供，基于一万多张高质量人像训练，兼顾特征一致性与人体审美）。

Qwen image edit 人像Lora：F2P 从人脸到全身/肖像下载

3. 软件工具：推荐使用 Draw Things 进行本地部署与操作。

二、 基础操作流程

[查看更多]

很多人用 AI 画图，最大的痛点根本不是不会写提示词，而是“人物姿势总乱变”。同样输入“一个站立的人”，AI 可能随机生成几十种完全不同的姿态。做分镜、角色设计或视觉预演时，这种不确定性非常致命。

解决这个问题的核心工具就是 Pose ControlNet。它的作用很直接：把“人物怎么动”从 AI 的随机发挥中抽离出来，变成你可以完全掌控的固定框架。

下面以 DrawThings 为例，走一遍最清晰、最稳定的按照我们的预期动作生成图片的操作流程。文末附你提供的完整参数配置对照表，ComfyUI 用户可直接按相同数值平移。

【AI创作】Qwen image Edit | AnyPose工作流程:无需OpenPose实现动作复刻

[查看更多]

在最新的 AI 图像编辑领域，QIE-2511 AnyPose 提供了一种新的姿态迁移思路：不再依赖 OpenPose 骨架提取，而是直接通过图像理解实现动作迁移。该方法基于 Qwen Image Edit 2511，并结合 AnyPose LoRA，实现仅通过参考图片即可驱动人物动作变化。

一、核心思路

传统姿态迁移依赖 OpenPose 先提取人体骨架，再将骨架作为控制信号生成图像。这种方式结构稳定，但表达能力有限。

AnyPose 的核心变化是：直接使用“图像”作为姿态信号，由模型自行理解动作结构。也就是说，模型不再依赖显式骨架，而是通过视觉理解完成隐式姿态建模，使动作更加自然灵活。

二、模型…[查看更多]

在影视后期制作中，绿幕抠像一直是最基础却也最耗时的环节之一。无论是使用 Keylight、Primatte，还是各种 AI roto 工具，行业的核心问题始终没有真正解决：当主体边缘与绿幕发生颜色混合时，如何准确地还原真实前景。

传统方法的思路是“分离”——通过颜色判断生成 Alpha 遮罩，再配合 edge refine、despill、roto 等流程不断修补细节。然而这种方式本质上是在做二值或半连续的分类，它很难处理头发、运动模糊、半透明材质等复杂情况，最终往往需要大量人工干预。

CorridorKey 的出现，提出了一个完全不同的思路：不再去判断“哪里是前景”，而是直接重建“前景本身”。

它的核心能力在于对图像进行“反混合”（unmixing）。在绿幕拍摄…[查看更多]

随着生成式图像技术的发展，图像编辑正在从“工具操作”转向“语言驱动”，Qwen Image Edit、Fluxkelein2等模型正是这一趋势下的代表模型。它可以在本地（如 Draw Things）运行，通过简单的提示词完成复杂的图像生成与编辑任务。在许多场景中，它已经可以替代传统依赖 LoRA 或复杂流程的工作方式。

本文将系统梳理 Qwen Image Edit 的核心能力与实际应用场景。

用AI打造高级感视觉：玻璃社交名片 & 棱镜Logo完整教程

一、人物一致性与多场景生成

Qwen Image Edit 可以基于一张人物基础图，生成该角色在不同场景下的表现，同时保持人物外观的一致性。

例如，同一个人物可以被快…[查看更多]