AI繪畫大師：Stable Diffusion快速入門與實戰技巧

前言
第1章認識Stable Diffusion
1.1 主流AI繪畫工具
1.2 Stable Diffusion的獨特優勢
1.2.1 開源免費
1.2.2 本地部署
1.2.3 高度拓展性
1.2.4 內容無限制
1.3 Stable Diffusion的安裝
1.3.1 本地安裝
1.3.2 雲端安裝
第2章Stable Diffusion的基礎模型與原理
2.1 三大生成模型
2.1.1 CLIP模型
2.1.2 擴散模型
2.1.3 VAE模型
2.25 類特定模型
2.2.1 Checkpoint大模型
2.2.2 Embedding模型
2.2.3 Hypernetwork模型
2.2.4 LoRA模型
2.2.5 VAE模型
第3章Stable Diffusion文生圖
3.1 提示詞
3.1.1 提示詞功能
3.1.2 常用提示詞
3.1.3 提示詞語法
3.1.4 提示詞相關性
3.2 圖片採樣
3.2.1 採樣的基礎原理
3.2.2 採樣方法的比較與選擇
3.2.3 採樣迭代步數
3.3 面部修復與高清修復功能
3.3.1 面部修復功能原理
3.3.2 面部修復效果對比
3.3.3高清修復功能原理
3.3.4 高清修復效果比較
3.3.5 高清修復功能的放大演算法選擇
3.4 解析度
3.5 產生批次與每批數量
3.6 隨機種子
3.7 差異隨機種子
第4章Stable Diffusion圖生圖
4.1 圖生圖
4.1.1 局部重繪實作模式
4.1.2 重繪幅度
4.2 繪圖
4.3 局部重繪
4.3.1 局部重繪實操
4.3.2 蒙版邊緣模糊度
4.3.3 蒙版模式
4.3.4 蒙版區域內容處理
4.3. 5 重繪區域
4.4 局部重繪（手塗蒙版）
4.4.1 局部重繪（手塗蒙版）實操
4.4.2 蒙版透明度
4.5 局部重繪（上傳蒙版）
4.6 批次處理
第5章腳本
5.1 X/Y/Z plot
5.1.1 軸類型和值
5.1.2 參數設定
5.2 提示詞矩陣
5.2.1 語法
5.2.2 參數設定
5.3 批次載入提示詞
第6章附加功能
6.1 單張圖像
6.1.1縮放模式
6.1.2 放大演算法
6.2 批次處理
6.3 從目錄進行批次處理
6.4 臉部馬賽克修復還原
6.4.1 GFPGAN演算法
6.4.2 CodeFormer演算法
6.5 圖片資訊擷取
6.6 提示字反推
第7章常用插件擴充
7.1 ControlNet
7.1. 1 ControlNet的安裝
7.1.2 參數設定
7.2 線條約束
7.2.1 Canny：硬邊緣偵測
7.2.2 SoftEdge：軟邊緣偵測
7.2.3 MLSD：直線偵測
7.2.4 Lineart：線稿擷取
7.2.5 Scribble：塗鴉擷取
7.3 深度約束
7.4 法線約束
7.5 色彩分佈約束
7.6 姿勢約束
7.6.1 openpose：姿勢檢測預處理器
7.6.2 openpose_hand：姿勢與手勢檢測預處理器
7.6.3 openpose_faceonly：臉部特徵檢測預處理器
7.6. 4 openpose_face：姿勢和臉部特徵偵測預處理器
7.6.5 openpose_full：姿勢、手勢和臉部特徵檢測預處理器
7.6.6 直接上傳姿勢圖
7.6.7 自主生成姿勢
7.7 內容約束
7.8 物品類型約束
7.9 分塊重採樣
7.10 局部重繪
7.11 指令修改
7.12 參數模式
7.13 Tag自動填入
第8章Stable Diffusion的商業化應用
8.1 遊戲產業的應用
8.1.1 寫實角色的多視圖設計
8.1.2 二次元角色的多視圖設計
8.1.3 遊戲原畫生成
8.1.4 遊戲圖示設計
8.2 電商產業的應用
8.2.1 模特兒形像生成
8.2.2 指定模特兒臉部特徵
8.2.3 AI圖片高清放大
8.3 插畫產業的應用
8.3.1 線稿產生
8.3.2 線稿上色
8.3.3 圖書插圖生成
8.3.4 圖畫擴充
8.4 建築業的應用
8.4.1 無線稿的室內設計
8.4.2 室內設計線稿生成
8.4.3 室內設計線稿上色
8.4.4 建築線稿生成
8.4.5 建築線稿上色
8.5 其他領域的應用
8.5.1 舊照片修復
8.5.2 圖片風格轉換
第9章AI繪畫工具擴展：Midjourney
9.1 Midjourney基礎知識
9.2 軟體註冊
9.2.1 註冊Discord
9.2.2 新增Midjourney伺服器
9.2.3 接入Midjourney Bot
9.3 影像產生方法
9.3.1 文生圖
9.3.2 圖生圖