“AI超越·交叉賦能”實用技術叢書--生成式AI繪畫：Stable Diffusion從基礎到實戰

1.本書內容豐富，包含了AI繪畫的歷史沿革、原理革新、倫理道德等重要內容，讀者可以以本書深入學習AI繪畫相關知識。 2.本書內容由人工智能方向的老師和設計方向的老師聯合打造，為讀者解析繪畫思路，而并非只限于平臺操作步驟。 3.本書內容包含了行業實踐，分別以建筑設計、動漫設計、平面設計為例，進行了剖析，以幫助讀者可以深入到各行業中。

圖像生成AI已經掀起了一場對各個領域有深刻影響的革命。本書深入研究了這一技術變革對產業、創意及社會倫理所帶來的深遠影響。
首先，圖像生成AI的崛起正在迫使傳統產業重新審視自身。其每日生成的圖像數量相比傳統方法呈指數級式增長，這使得傳統產業的運營模式面臨著翻天覆地的改變。相關領域的從業者需要重新思考他們在這一新時代的定位，更多地發揮指導者的角色，與AI協同工作，指導整體創作過程。這不僅是技術手段的變化，更是對從業者技能的全新要求，需要更廣泛地理解和操作AI系統。
圖像生成AI也為創作者提供了前所未有的機會。它被認為能夠輕松將抽象概念轉化為視覺作品，使更多人能夠表達自己的創意，從而達到了創意的多樣性。這不僅是對創作者的解放，也被認為是溝通方式的革命，使更多的人能夠通過視覺媒體實現自我表達和主張。圖像生成AI為創意領域開辟了新的可能性，改變了人與人之間的創意交流方式。
本書通過深入研究AI繪畫的探索歷程，全面探討了深度學習與AI繪畫的交匯，以及AI繪畫在多模態、大模型和產業賦能方面的發展。同時，本書還深入剖析了AI繪畫引發的倫理問題，包括知識產權、信息安全、就業等方面，著重強調了技術發展與倫理之間的協同進步。
本書共分8章，詳細介紹了AI繪畫的發展歷程、道德倫理，以及Stable Diffusion的技術細節。
在第1章中，回溯了AI繪畫的發展歷程，從早期的紡織圖案“計算”探索到計算機科學與繪畫的融合。主要探討數學規則與算法之美如何影響藝術創作，以及AI遺傳算法與有機藝術的結合。此外，深度學習如何推動AI繪畫的發展也是本章的重點內容。
第2章著重于AI繪畫在AIGC時代的多模態應用，探討了從文本到圖像的轉換技術，包括DALL·E和CLIP模型，以及深度學習的新興架構等內容。此外，本章還將介紹AI繪畫如何賦能不同行業，帶來創意和設計上的新機遇。
第3章探討了AI繪畫引發的社會問題，包括知識產權、信息安全和就業等方面的挑戰。這一章旨在提供一個全面的視角，討論技術進步帶來的倫理問題，以及如何在保持創新的同時應對這些挑戰。
第4章至第7章深入介紹Stable Diffusion等工具的本地部署和操作流程，探索圖像生成的高級應用和技術細節，可為有志于深入了解和應用AI繪畫技術的讀者提供實用的指導。
第8章展示了AI繪畫在各行業的應用案例，包括建筑設計、動漫設計和平面設計等領域。通過這些實際案例，讀者將能夠更好地理解AI繪畫技術在實際應用中的潛力和影響。
通過閱讀本書，讀者將全面理解圖像生成AI，見證它如何在創意領域引發革命，重塑創意的本質和范圍。本書為讀者提供了實踐操作的指南，使他們能夠更好地應對圖像生成AI的時代。無論是專業創作者還是普通愛好者，都將發現在這個充滿活力的領域中的無限可能，迎接技術與創意共同進步的未來。

著者

《生成式AI繪畫：Stable Diffusion從基礎到實戰》一書用簡潔而又生動的語言，全方位地解讀了生成式人工智能繪畫的原理、歷史沿革、倫理道德等，同時，通過對Stable Diffusion平臺的全面介紹，以經典案例和典型行業應用（建筑設計、動漫設計、平面設計）為載體，解讀了用人工智能進行繪畫的思路與步驟，內容包含了文生圖、圖生圖、圖生文等，讓讀者在學習平臺操作流程的同時，理清AI繪畫的底層邏輯，即知其然也要知其所以然，全面且細致、有趣又有吸引力。
本書適合使用AI工具輔助工作的設計人員、繪畫創作者閱讀學習，對AI繪畫感興趣的人群也可以閱讀，同時，本書也可以作為AI繪畫專業的教材使用。

1 AI繪畫的探索時代 001
1.1 AI繪畫的早期探索 002
1.1.1 紡織中的圖案“計算” 002
1.1.2 計算機科學與繪畫的融合 003
1.1.3 數學規則與算法之美 004
1.1.4 AI遺傳算法與有機藝術 006
1.2 深度學習與AI繪畫 007
1.2.1 從神經元到深度學習 007
1.2.2 卷積神經網絡與圖像特征 011
1.2.3 Sketch-RNN，從序列到圖像 014
1.3 生成模型下的AI繪畫 015
1.3.1 無中生有VAE 015
1.3.2 左右互搏GAN 018
1.3.3 具有創造性的CAN 020
1.3.4 強化學習與AI繪畫 021
1.3.5 擴散模型與AI繪畫 025

2 AI繪畫迎來AIGC時代 029
2.1 AI繪畫迎來多模態 030
2.1.1 從文本描述到圖像 030
2.1.2 DALL·E與CLIP模型 031
2.1.3 模型訓練的基石：數據集 034
2.1.4 Transformer——深度學習的新寵兒 037
2.1.5 GPT模型進化論 038
2.2 AI繪畫大模型 042
2.2.1 Stable Diffusion 042
2.2.2 Midjourney 044
2.2.3 Adobe Firefly 045
2.2.4 ChatGPT與AI繪畫 046
2.3 AI繪畫賦能行業 048
2.3.1 內容創意與可視化 048
2.3.2 實用與功能性設計 050
2.3.3 數據驅動的分析與解讀 053

3 AI繪畫引發的社會問題 055
3.1 AI繪畫與知識產權 056
3.1.1 “自覺”退賽的AI攝影作品 056
3.1.2 以假亂真“太空歌劇院” 057
3.1.3 AI繪畫潛在的知識產權問題 058
3.2 AI繪畫與信息安全 061
3.2.1 AI繪畫潛在的信息安全問題 061
3.2.2 真假難辨的Deepfake 062
3.2.3 警惕AI繪畫的虛假傳播 063
3.3 AI繪畫與就業 065
3.3.1 AI繪畫與就業新機遇 065
3.3.2 AI繪畫面臨的失業風險 067
3.4 AI繪畫與人機共進 068

4 本地部署使用 071
4.1 Stable Diffusion本地部署 072
4.1.1 開源社區中的WebUI 072
4.1.2 電腦配置需求 073
4.1.3 Stable Diffusion整合包推薦 074
4.1.4 Stable Diffusion自主配置流程 076
4.2 Stable Diffusion基本操作流程 085
4.2.1 WebUI界面介紹 085
4.2.2 AI繪圖操作流程 087

5 Stable Diffusion圖像生成 089
5.1 提示詞生成圖像 090
5.1.1 正向提示詞與反向提示詞 090
5.1.2 提示詞的邏輯與分類 091
5.1.3 提示詞的權重及語法 093
5.2 出圖參數設置 096
5.2.1 迭代步數與采樣方法 096
5.2.2 分辨率設置 098
5.2.3 生成批次與生成張數 099
5.2.4 提示詞引導系數 101
5.2.5 隨機數種子 101
5.3 圖像生成圖像 102
5.3.1 圖生圖入門 102
5.3.2 局部重繪 104
5.3.3 涂鴉重繪 107
5.3.4 其他圖生圖方式簡介 108

6 Stable Diffusion進階使用 111
6.1 圖像生成進階 112
6.1.1 主模型的介紹與使用 112
6.1.2 拓展模型的介紹與使用 117
6.1.3 使用AIGC工具輔助生成提示詞 124
6.2 常用腳本介紹 126
6.2.1 X/Y/Z腳本 126
6.2.2 提示詞矩陣腳本 129
6.2.3 批量提示詞出圖腳本 130
6.3 常用拓展插件介紹與下載 132
6.3.1 圖片信息反推 132
6.3.2 圖片高清放大 133
6.3.3 插件下載與配置 135

7 可控的圖像生成 137
7.1 ControlNet插件介紹 138
7.1.1 ControlNet實現原理 138
7.1.2 ControlNet下載與配置 139
7.2 ControlNet插件的使用 141
7.2.1 基本使用方式 141
7.2.2 參數設置 142
7.2.3 多重控制網絡 145
7.3 常用ControlNet模型分類介紹 146
7.3.1 常用對象類模型介紹 146
7.3.2 常用輪廓類模型介紹 147
7.3.3 常用景深類模型介紹 150
7.3.4 常用重繪類模型介紹 151
7.3.5 其他ControlNet模型簡介 152

8 常見行業應用案例 157
8.1 建筑設計 158
8.1.1 發揮建筑設計創意 158
8.1.2 生成可控的建筑圖像 162
8.2 動漫設計 166
8.2.1 現實轉化為動漫 166
8.2.2 圖書插畫、繪本創作流程 169
8.3 平面設計 174
8.3.1 定制AI模特 174
8.3.2 可控的創意海報設計 180

附錄 184
附錄一 Stable Diffusion在線網站使用指南 185
附錄二 Comfy UI使用指南 190