首页 > 其他分享 >「AI绘画Stable Diffusion 零基础入门 」AI 绘画原理与工具介绍,万字解析AI绘画的使用教程

「AI绘画Stable Diffusion 零基础入门 」AI 绘画原理与工具介绍,万字解析AI绘画的使用教程

时间:2024-07-11 11:56:11浏览次数:18  
标签:Diffusion AI 模型 AIGC 绘画 图片 SD

大家好,我是程序员晓晓

AI 绘画原理

想要入门 AI 绘画,首先需要了解它的原理是什么样的。

其实很早就已经有人基于深度学习模型展开了对图像生成的研究了,但在那时,生成的图像分辨率和内容都非常抽象。

直到近两年,AI 产出的图像内容的质量变高、而且有一定的艺术价值,这时它才算正式拥有了理解人类所表达的意思去作画的能力。

虽然把这个过程称之为 “AI 绘画”,但实际上它并不是像人类画图一样,打草稿、勾线描边、上色、细节加工等等、按部就班的去完成一幅画作的。

AI 另辟蹊径地采取了一个人类不曾设想过的途径去画画:Diffusion(扩散)。我们可以先看一下 AI 绘画的过程:

你已经看到了扩散的过程了,但可能很多同学其实还是一知半解。

如何用通俗易懂的方式去理解扩散呢 ?


这是一幅在计算机图像处理界最为传奇的一张照片 —— 莱娜图(莱娜・瑟德贝里):

如果让你把这幅画用二次元动漫风重新绘制一遍,你会怎么做呢?

现在尝试着把你的眼睛眯到直撑一条缝去看图片,她是不是变得模糊了:

保持这个状态,想象她正在逐渐变的二次元,随后慢慢睁开眼睛:

现在这幅画已经变得完全不同了。

其实这就是一个扩散模型工作的基本流程了:

在这个例子里,你可以把自己代入到执行绘画指令的 AI 角色:

  1. 首先你需要对图像通过增加噪声的方式进行 “扩散”(分散特征信息),也就是让它在你脑海中变得更模糊(就像眯着眼睛的你)

  2. 当内容模糊了以后,你就有更充分的想象空间从原本的图像形态中抽离:

    - 提取你之前看过的二次元图像的特征(深度学习)

    - 和当前图像的特征建立关联、糅合

  3. 对你脑海中加工过的图像进行去噪(逆向扩散),使它在二次元的方向上逐渐变得清晰

  4. 当你睁开眼睛的时候,这副图像就已经被你根据二次元的形象重新绘制过了


这个原理可以为我们在后面 AI 绘画的实操阶段提供理论基础和指导思想。当然这个过程被简化过了,实际上代码层面的实现远比这个复杂得多,但现阶段也并不需要知道得太多。


AI绘画工具SD 的安装

现在是 AI 百花齐放的时代,我相信你之前肯定听过甚至了解过 Midjourney、 Stable-Diffusion (下文简称 SD) 等一些知名的作画工具。

其实目前市面上大多数商业 AI 绘画工具,其实都是基于 SD 开发的,主要是因为在 SD 全面开源之后,在社区出现了大量丰富的模型,而且通过算法迭代,它将 AI 绘画的精细度提上了一个新的台阶,可以在民用级显卡的电脑上、并能在秒级时间内完成图片产出。

现在 SD 已经可以非常轻松地绘制出各种风格的作品,比如动漫风、插画立绘、国风、水墨风、3D 建模,甚至是照片级的拟真图像,而且借助 LoRA、ControlNet 等衍生功能,SD 还可以做到精准控制美术风格、角色细节、姿势动作构图等。

而社区的优势是商业产品很难具备的,而且商业产品需要考虑各种出图限制(费用、网速、内容等),所以我最终选择了 NovelAI —— 它是在以 SD 为底层框架的基础上、兼顾用户体验而产生的一款完全免费的产品,支持图形化管理版本、模型、绘画管理等:

配置要求

  1. 系统: Windows(Win10+) 或 Mac

  2. 显卡: 8G 以上的独显(优先 Nvidia)

显卡是影响出图的最核心因素:

  • 显存:直接影响能否出高分辨率的图片(512x512 都画不出,怎么画高清?)、无法加载太多模型限制出图、甚至可能爆内存中止绘制。后期会影响训练规模。

  • 性能:直接影响出图效率。AI 绘画其实就是抽卡的过程,很多时候不会一次就得到想要的图片的,需要反复尝试去修改参数。效率太低的显卡几分钟才出一张图,会把你的兴趣耗光的

各显卡绘制同一张图片的时间

SD 安装步骤

  1. 预装: CUDA

  2. 预装:python 3.10.X(目前最优版本是 3.10.8)

  3. 预装: Git

  4. 下载 秋葉aaaki 大佬的 novelai-webui-aki-v4.X 整合包(已正式命名为 “绘世”),解压后通过 A启动器.exe 一键启动即可(视频有详细安装指引)。这个 安装包 功能齐备、方便后期更新管理,最适合新手使用。

  5. 安装包下载请扫描获取哦

    - 注意事项:

    - SD 安装路径不要在系统盘,路径尽可能短,绝对不要有中文、空格、特殊字符

    - SD 所在的盘符至少有 50GB 以上的空间(后续放入的模型动辄 2G-7G/个,总大小可能几十上百 GB)

模型安装步骤

假设你的SD 安装位置在 %SD。

你在启动前,需要检查 %SD/models/Stable-diffusion/ 目录是否为空,这个目录是存放 AI 绘画主模型的目录,SD 要求必须至少要有一个主模型才能运行。

所以如果目录为空,可以先去 huggingface(或者看上方扫描)下载这两个热门模型放到目录下:

  • SD 官方基础模型:stable-diffusion-v1-5

  • 二次元风格模型:AbyssOrangeMix3(海外非常受欢迎的,昵称 “深渊橘”)


【模型是什么?】

了解了AI绘画是怎么生成画面的,那么AI 是从哪里学会画出各种绘画风格的呢?

其实 AI 出图的经验,就来自一些使用图片素材训练出来的大模型。

不同的模型可以给你的作品带来完全不同的画面内容和画风,这也是 AI 阅片无数的底气所在。

可以把模型类比成一本字典,AI 拿着汉语字典、英语字典,就能根据你给它的提示词去翻字典,从而画出国风、欧美风的图片。

更多的AI绘画大模型可以看文末扫描获取哦

认识 SD WebUI

A启动器 的界面就不过多介绍了,主要是用于 SD 版本和模型下载/管理器,操作很简单,按钮的功能就是字面的意思,用几次就理解了。

第一次使用如果怕麻烦,直接点击右下角的 一键启动 就好,它会自动运行 SD 程序启动,并在浏览器打开一个 SD WebUI 页面。

如果没有自动打开,可以访问:http://127.0.0.1:7860/

SD WebUI 是我们以后作画的主要操作页面,它集成了许多在代码层面非常繁琐的功能,并将里面的各项参数的条件转化成了非常直观的选项数值与滑块。

目前开源社区里面 90% 以上的拓展插件都是基于 SD Web UI 去研发的,所以很有必要学会怎么使用它。

参考下图,SD WebUI 界面可以大概分为 5 个区域:

  1. 模型选择区: 选择作画的模型

  2. 功能选择区: 选择如何作画

  3. 参数输入区: 根据喜好设置作画的 “命令” 参数

  4. 图像输出区: AI 根据设定的 “命令” 绘图的位置

  5. 异常输出区: 绘图过程中出现异常的显示位置

模型选择区

在界面左上角有一个名为 “stable defusion 模型” 的下拉框,如果你刚刚有下载我所推荐的两个模型,可以从下拉列表找到它们。

前面安装时也提到过了,模型的存储目录在 %SD/models/Stable-diffusion/,现在先记住这个目录就可以了,它是你以后新增更多模型的固有基地。

当有新模型添加到这个目录,点击下拉框旁边的刷新按钮,就可以看到新的模型了。

切换新的模型时需要等待十几秒加载,然后就可以使用了。

功能选择区

【文生图 & 图生图】

  • 文生图:利用提示词生成图片

  • 图生图:利用提示词和参考图片、生成图片

这是两种最基本的绘画基本方式,在后面的系列会展开说明。


【附加功能】

目前主要对图片进行 AI 放大处理,它可以让你生成更清晰的大图。


【图片信息】

查询已生成图片的提示词、模型、参数、随机种子等信息。当别人分享他所绘制的图片给你时,会很有用。


【图库浏览器】

每次 AI 在生成一批图片后,都不需要人工保存,这些图片会自动保存到 %SD/outputs/ 对应的目录下。

但是 SD WebUI 提供了一个更方便的 图库浏览器 功能,在这里面可以按照类目查看到通过不同方式生成出来的图像。

如果想要把它导出来,就像在浏览器里保存一张图片一样右键另存为即可。

而且图库浏览器还有许多妙用,例如可以直接查看图片的生成信息、快速对图片进行图生图局部重绘等等。


【Tag反推(Tagger)】

当我们从网上拿到一张不知来源的图片想用来当图生图的参考素材时,就可以利用这个功能反推提示词,以便把生成的图片限制在一定的范围内。

例如我在开头介绍原理时重回的莱娜图,就是借助反推功能生成了莱娜的提示词

然后再借助二次元模型 深渊橘和 LoRA 插件对她进行重绘。

我们可以看看,如果没有提示词,其他参数保持一致,在单纯图生图的情况下 AI 就会完全放飞自我,很有可能画出来的就是另一个东西了:


【设置】

在这里可以设定各种和绘图过程相关的选项,例如图像的保存路径、采样参数等等。

现阶段刚入门还不熟悉,维持一切默认一般就不会出问题。

在本系列的后面用到时会提及相关的配置项。


【扩展】

这里主要是用来安装和管理一些额外的插件的。

为什么有些大佬的 SD WebUI 和你的长得不太一样,功能也多了许多,就是这里在搞怪。

有些安装到你 SD WebUI 里的插件会在界面添加额外的标签,例如【可选附加网络(LoRA 插件)】就是要安装 sd-webui-additional-networks 这个插件才会出现的。

在本系列的后面用到时会提及相关的插件安装。

感兴趣的小伙伴,赠送全套AIGC学习资料,包含AI绘画、AI人工智能等前沿科技教程和软件工具,具体看这里。

AIGC技术的未来发展前景广阔,随着人工智能技术的不断发展,AIGC技术也将不断提高。未来,AIGC技术将在游戏和计算领域得到更广泛的应用,使游戏和计算系统具有更高效、更智能、更灵活的特性。同时,AIGC技术也将与人工智能技术紧密结合,在更多的领域得到广泛应用,对程序员来说影响至关重要。未来,AIGC技术将继续得到提高,同时也将与人工智能技术紧密结合,在更多的领域得到广泛应用。

在这里插入图片描述

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述

若有侵权,请联系删除

标签:Diffusion,AI,模型,AIGC,绘画,图片,SD
From: https://blog.csdn.net/cxyxx12/article/details/140287612

相关文章

  • AI 助力开发者:PlugLink 如何让技术与创意无缝对接(附源码)
    AI助力开发者:PlugLink如何让技术与创意无缝对接PlugLink,它是如何利用AI的力量简化开发流程,提升开发效率的。想象一下,当你手握一个工具,可以让你在不懂全部技术细节的情况下就能快速构建出复杂的应用,这该有多酷!首先,让我们从PlugLink的基本概念入手。如同其名,PlugLink是一......
  • 老照片修复转视频彻底火了,通过AI绘画+视频技术,只需三步超简单出片
    大家好,我是程序员晓晓最近网上突然爆火的老照片转成视频不知道大家有没有刷到。这些都是通过AI绘画技术+AI视频图生视频技术完成的,先来看一下网上的成片吧。这一内容为什么会突然火起来呢?大概率是抓住了大家心里的一份情怀吧。大家可以将家里面以前的黑白老照片,或者已......
  • linux RAID10磁盘阵列损坏的修复
    在Linux系统中,RAID10磁盘阵列损坏的修复是一个涉及多个步骤的过程。RAID10结合了RAID1的镜像和RAID0的条带化,提供了较高的数据冗余和读写性能。当RAID10磁盘阵列中的某个磁盘损坏时,可以通过以下步骤进行修复:检查磁盘状态首先,使用mdadm命令检查RAID10磁盘阵列的状态,以确认哪些......
  • 界面组件Kendo UI for React 2024 Q2亮点 - 生成式AI集成、设计系统增强
    随着最新的2024年第二季度发布,KendoUIforReact为应用程序开发设定了标准,包括生成式AI集成、增强的设计系统功能和可访问的数据可视化。新的2024年第二季度版本为应用程序界面提供了人工智能(AI)提示,从设计到代码的生产力增强、可访问性改进、一系列新的UI组件等。KendoUI致力......
  • 戴尔服务器raid10阵列硬盘损坏数据恢复
    一、诊断与评估确定损坏硬盘:使用RAID控制器的管理工具或操作系统的磁盘管理工具来确定具体是哪个硬盘损坏了。检查RAID控制器的日志和警报,以获取关于硬盘故障的详细信息。评估数据损失:了解RAID10的容错机制,RAID10可以容忍至少一个硬盘的完全失败,而不会丢失数据(前提是其他硬......
  • RAID10磁盘阵列损坏修复操作
    服务器数据恢复是指将物理服务器或虚拟服务器上丢失的数据重现还原的操作。随着信息化的深入,企事业单位大都会配备服务器,方便数据集中存储管理,建立自己的信息系统。服务器上的数据通常是存储在硬盘上,出于数据安全和性能的考虑,这些硬盘会组建RAID磁盘阵列。服务器对用户的重要程度......
  • daima8资源网整站数据打包完整代码(集成了ripro9.1主题,开箱即用)
    基于ripro9.1完全明文无加密后门版本定制开发,无需独立服务器,虚拟主机也可以完美运营,只要主机支持php和mysql即可。整合了微信登录和几款第三方的主题文件,看起来更美观一些。站长本人就是程序员,所以本站的代码资源数据基本上都是精选的,没有重复数据,更没有滥竽充数的垃圾资源。......
  • Rust中为外部类型实现外部trait
    由于孤儿规则(orphanrule)的限制,在Rust中无法直接为外部类型实现外部trait。但是我们可以通过构造一个外部类型的wrapper来间接实现这个目的。一个比较常见的使用情形是,外部类型并没有实现Displaytrait,而我们想为其实现。这里,我们以标准库中的String为例进行介绍。externcr......
  • 【乔二参】【借助AI工具】Java零基础从入门到精通【3-1变量常量】
    视频讲解地址【乔二参】【借助AI工具】Java零基础从入门到精通变量Java变量是存储数据值的容器,它们允许程序在内存中存储和操作数据。在Java中,变量必须先声明其类型,然后才能使用。变量类型决定了变量可以存储什么类型的数据(如整数、浮点数、字符、布尔值等)以及可以对该变......
  • 本地 AI RAG 系列之 使用 OpenLlama、Postgres、Node.js 和 Next.js 进行 100% 免费矢
    简介所以你想尝试向量搜索,但你不想付钱给OpenAI,或者使用Huggingface,也不想付钱给向量数据库公司。我来帮你。让我们在自己的机器上免费开始向量搜索吧。推荐文章《知识图谱大模型系列之01利用KeyBERT、HDBSCAN和Zephyr-7B-Beta构建知识图谱,LLM增强的自然语言处......