生成式AI繪畫：Stable Diffusion從基礎到實戰

1 AI繪畫的探索時代
1.1 AI繪畫的早期探索
1.1.1 紡織中的圖案「計算」
1.1.2 電腦科學與繪畫的融合
1.1.3 數學規則與算法之美
1.1.4 AI遺傳算法與有機藝術
1.2 深度學習與AI繪畫
1.2.1 從神經元到深度學習
1.2.2 卷積神經網絡與影像特徵
1.2.3 Sketch-RNN，從序列到影像
1.3 生成模型下的AI繪畫
1.3.1 無中生有VAE
1.3.2 左右互搏GAN
1.3.3 具有創造性的CAN
1.3.4 強化學習與AI繪畫
1.3.5 擴散模型與AI繪畫
2 AI繪畫迎來AIGC時代
2.1 AI繪畫迎來多模態
2.1.1 從文字描述到圖像
2.1 .2 DALL·E與CLIP模型
2.1.3 模型訓練的基石：資料集
2.1.4 Transformer－深度學習的新寵兒
2.1.5 GPT模型演化論
2.2 AI繪畫大模型
2.2.1 Stable Diffusion
2.2.2 Midjourney
2.2 .3 Adob​​e Firefly
2.2.4 ChatGPT與AI繪畫
2.3 AI繪畫賦能產業
2.3.1 內容創意與視覺化
2.3.2 實用與功能性設計
2.3.3 數據驅動的分析與解讀
3 AI繪畫引發的社會問題
3.1 AI繪畫與知識產權
3.1.1 「自覺」退賽的AI攝影作品
3.1.2 以假亂真「太空歌劇院」
3.1.3 AI繪畫潛在的知識產權問題
3.2 AI繪畫與資訊安全
3.2.1 AI繪畫潛在的資訊安全問題
3.2.2 真假難辨的Deepfake
3.2.3 警惕AI繪畫的虛假傳播
3.3 AI繪畫與就業
3.3.1 AI繪畫與就業新機遇
3.3.2 AI繪畫面臨的失業風險
3.4 AI繪畫與人機共進
4 本地部署使用
4.1 Stable Diffusion本地部署
4.1.1 開源社群中的WebUI
4.1.2 電腦設定需求
4.1.3 Stable Diffusion整合套件建議4.1.4 Stable Diffusion 自主設定流程4.2
Stable Diffusion整合套件建議4.1.4 Stable Diffusion自主設定流程
4.2 Stable Diffusion基本作業流程
4.2.1 WebUI介面介紹
4.2.2 AI繪圖操作流程
5 Stable Diffusion圖像生成
5.1 提示詞生成圖像
5.1.1 正向提示詞與反​​提示詞
5.1.2 提示詞的邏輯與分類
5.1.3 提示詞的權重及語法
5.2 出圖參數設定
5.2.1 迭代步數與取樣方法
5.2.2 解析度設定
5.2.3 產生批次與產生張數
5.2.4 提示字引導係數
5.2.5 隨機數種子
5.3 影像產生影像
5.3.1 圖生圖入門
5.3.2 局部重繪
5.3.3 塗鴉重繪
5.3.4 其他圖生圖方式簡介
6 Stable Diffusion進階使用
6.1 影像產生進階
6.1.1 主模型的介紹與使用
6.1.2 拓展模型的介紹與使用
6.1.3 使用AIGC工具輔助產生提示詞
6.2 常用腳本介紹
6.2.1 X/Y/Z腳本
6.2.2 提示詞矩陣腳本
6.2.3 批次提示詞出圖腳本
6.3 常用拓展插件介紹與下載
6.3. 1 圖片資訊反推
6.3.2 圖片高清放大
6.3.3 插件下載與配置
7 可控的圖像生成
7.1 ControlNet插件介紹
7.1.1 ControlNet實現原理
7.1.2 ControlNet下載與配置
7.2 ControlNet插件的使用
7.2.1 基本使用方式
7.2.2 參數設定
7.2.3 多重控製網絡
7.3 常用ControlNet模型分類介紹
7.3.1 常用物件類別模型介紹
7.3.2 常用輪廓類別模型介紹
7.3.3 常用景深類別模型介紹
7.3.4 常用重繪類模型介紹
7.3.5 其他ControlNet模型簡介
8 常見行業應用案例
8.1 建築設計
8.1.1 發揮建築設計創意
8.1.2 產生可控制的建築圖像
8.2 動漫設計
8.2.1 現實轉化為動漫
8.2.2 圖書插畫、繪本創作流程
8.3 平面設計
8.3.1 客製化AI模特兒
8.3.2 可控的創意海報設計
附錄
附錄一Stable Diffusion線上網站使用指南
附錄二Comfy UI使用指南