序言

??????? （文中出現(xiàn)的專業(yè)名詞您不用理會(huì)，更不用去深究它的含義，你只需要把它當(dāng)作一個(gè)符號(hào)，而對(duì)于需要了解的名詞，我會(huì)用較通俗的語言進(jìn)行解釋，以便零基礎(chǔ)的同學(xué)理解）

?????????? 在開始學(xué)習(xí)之前，我們應(yīng)當(dāng)簡(jiǎn)單了解一下AI繪圖的發(fā)展歷史及其對(duì)社會(huì)的影響，這是很有必要的，因?yàn)橹贫ㄈ魏文繕?biāo)前，您一定先得明白目標(biāo)的方向和意義。

一、AI繪圖的發(fā)展歷史。

?????????? AI繪圖的出現(xiàn)時(shí)間可能比很多人想象的要早。計(jì)算機(jī)是上世紀(jì)60年代出現(xiàn)的，而就在70年代，一位藝術(shù)家，哈羅德·科恩Harold Cohen（畫家，加利福尼亞大學(xué)圣地亞哥分校的教授) 就開始打造電腦程序“AARON”進(jìn)行繪畫創(chuàng)作。與當(dāng)下 AI 繪畫不同之處在于，ARRON 使用機(jī)械手臂在畫布上進(jìn)行繪畫，而非數(shù)字繪圖。

??????????

AARON利用機(jī)械手臂繪圖

?????????? 2012年，Google兩位大名鼎鼎的AI大神，Andrew Ng和Jef Dean進(jìn)行了一場(chǎng)空前的試驗(yàn)。聯(lián)手使用1.6萬個(gè)CPU訓(xùn)練了一個(gè)當(dāng)時(shí)世界上最大的深度學(xué)習(xí)網(wǎng)絡(luò)。用來指導(dǎo)計(jì)算機(jī)畫出貓臉圖片。這是一次具有突破意義的嘗試，正式開啟了深度學(xué)習(xí)模型支持的AI繪畫這個(gè)“全新”研究方向。

?????????? 2015年 Google發(fā)布的一個(gè)圖像工具深夢(mèng) (Deep Dream)。深夢(mèng)發(fā)布了一系列畫作，一時(shí)吸引了很多眼球。谷歌甚至為這個(gè)深夢(mèng)的作品策劃了一場(chǎng)畫展。但如果較真一下，深夢(mèng)與其說是AI繪畫，更像是一個(gè)高級(jí)AI版濾鏡。同樣在2015年，加拿大蒙特利爾大學(xué)的Ian Goodfellow于2014年提出了生成對(duì)抗網(wǎng)絡(luò)GAN的算法，這個(gè)算法一度成為了AI生成繪畫的主流方向。GAN的原理是通過訓(xùn)練兩個(gè)深度神經(jīng)網(wǎng)絡(luò)模型，一個(gè)生成器（Generator）和一個(gè)判別器（Discriminator），使得生成器可以生成與真實(shí)數(shù)據(jù)相似的新數(shù)據(jù)樣本，并且判別器可以準(zhǔn)確地區(qū)分生成器生成的假樣本和真實(shí)數(shù)據(jù)。

?????????? 2017年，Facebook聯(lián)合羅格斯大學(xué)和查爾斯頓學(xué)院藝術(shù)史系三方合作得到的新模型，號(hào)稱創(chuàng)造性對(duì)抗網(wǎng)絡(luò)CAN，在嘗試輸出一些像是藝術(shù)家作品的圖畫，它們是獨(dú)一無二的，而不是現(xiàn)存藝術(shù)作品的仿品。

?????????? 2021年初，OpenAI發(fā)布了廣受關(guān)注的DALL-E系統(tǒng)，其AI繪畫的水平也就一般，但到了這里，AI開始擁有了一個(gè)重要的能力，就是按照輸入的提示進(jìn)行創(chuàng)作。

????? ????? 2022年2月，在GAN技術(shù)路線上遇到瓶頸后，科學(xué)家想出了非常神奇的 Diffusion Model (擴(kuò)散模型)(通俗一點(diǎn)的理解就是計(jì)算機(jī)先生成一幅由無數(shù)噪點(diǎn)-可以直接理解為點(diǎn)，然后再根據(jù)我們的要求去除不需要的點(diǎn)，最終形成一幅我們?nèi)祟惪梢岳斫獾膱D片，就好比用一層沙子鋪在盤子里，然后扣掉部分沙子就能形成一幅畫了) 的辦法去訓(xùn)練模型：把原圖用馬爾科夫鏈將噪點(diǎn)不斷地添加到其中，最終成為一個(gè)隨機(jī)噪聲圖像，然后讓訓(xùn)練神經(jīng)網(wǎng)絡(luò)把此過程逆轉(zhuǎn)過來，從隨機(jī)噪聲圖像逐漸還原成原圖?；跀U(kuò)散模型的AI繪圖生成器——Disco diffusion開始爆紅，它可以根據(jù)描述場(chǎng)景的關(guān)鍵詞渲染出對(duì)應(yīng)的圖像。

?????????? 至此，AI繪圖翻開了新的篇章，開始往實(shí)際應(yīng)用發(fā)展。

?????????? 2022年3月，一款由Disco diffusion的核心開發(fā)參與建設(shè)的AI生成器Midjouney正式發(fā)布。Midjouney選擇搭載在discord平臺(tái)，借助discord聊天式的人機(jī)交互方式，不需要之前繁瑣的操作，也沒有Disco diffusion十分復(fù)雜的參數(shù)調(diào)節(jié)，你只需要向聊天窗口輸入文字就可以生成圖像。更關(guān)鍵的是，Midjouney生成的圖片效果非常驚艷，普通人幾乎已經(jīng)很難分辨出它產(chǎn)生的作品，竟然是AI繪畫生成的。

?????????? 2022年8月，一幅使用AI繪畫服務(wù) MidJourney 生成的數(shù)字油畫,，生成它的用戶以這幅畫《Theatre Dopera Spatial》參加美國科羅拉多州博覽會(huì)的藝術(shù)比賽，奪得了第一名。這件事被曝光之后引發(fā)了網(wǎng)絡(luò)上巨大的爭(zhēng)論至今。

?????????? 2022年8月22日stablediffusion首次發(fā)布，由Stability AI、CompVis和Runway合作開發(fā)，并得到EleutherAI和LAION的支持。

- stablediffusion的技術(shù)原理是基于latent diffusion model（LDM）的，LDM是一種在2015年推出的擴(kuò)散模型的變體，其目的是消除對(duì)訓(xùn)練圖像的連續(xù)應(yīng)用高斯噪聲，可以將其視為一系列去噪自編碼器。stablediffusion由三個(gè)部分組成：變分自編碼器（VAE）、U-Net和一個(gè)文本編碼器。它使用CLIP text encoder提取的text embeddings（可以理解為文字）作為condition（條件），可以根據(jù)文本的描述產(chǎn)生詳細(xì)圖像，也可以應(yīng)用于其他任務(wù)，如內(nèi)補(bǔ)繪制、外補(bǔ)繪制，以及在提示詞指導(dǎo)下產(chǎn)生圖生圖的翻譯。

?????????? stablediffusion的特點(diǎn)是開源免費(fèi)、可本地部署或云端使用、技術(shù)原理清晰、擴(kuò)展應(yīng)用多樣、當(dāng)代藝術(shù)理解好。

?????????? stablediffusion的發(fā)展歷程如下：

??? - 2022年8月22日，stablediffusion 1.0版本發(fā)布，支持以512×512分辨率生成圖像。

?? ?- 2022年9月15日，stablediffusion 1.1版本發(fā)布，修復(fù)了一些bug，并增加了對(duì)float16精度加載權(quán)重的支持。

??? - 2022年10月7日，stablediffusion 2.0版本發(fā)布，引入了以768×768分辨率生成圖像的能力，并增加了無分類指導(dǎo)比例值（classifier-free guidance scale value）這一可配置選項(xiàng)。

??? - 2022年10月18日，Stability AI宣布獲得了1.01億美元超額融資，估值達(dá)10億美元。

??? - 2022年12月7日，stablediffusion 2.1版本發(fā)布，優(yōu)化了代碼結(jié)構(gòu)，并增加了對(duì)Dreamstudio云端服務(wù)的支持

二、stablediffusion與midjouney的區(qū)別

?????????? 至此，我們可以看到stablediffusion和midjouney成為了AI繪圖領(lǐng)域兩股主流，代表AI繪圖的最前沿發(fā)展方向，那么我們?nèi)绾卧趦烧咧g選擇呢？我們得看到它們的區(qū)別：

?????????? 1. midjouney的特點(diǎn)：

?????????? midjouney是一個(gè)商業(yè)化產(chǎn)品，用戶需要付費(fèi)才能使用，而且只能通過其官方Discord上的Discord機(jī)器人使用。midjouney沒有公布其技術(shù)細(xì)節(jié)，但是其生成的圖像效果非常驚艷，普通人幾乎已經(jīng)很難分辨出它產(chǎn)生的作品，竟然是AI繪畫生成的。? ?? midjouney善于適應(yīng)實(shí)際的藝術(shù)風(fēng)格，創(chuàng)造出用戶想要的任何效果組合的圖像。它擅長環(huán)境效果，特別是幻想和科幻場(chǎng)景，看起來就像游戲的藝術(shù)效果。midjouney的提示詞門檻低，不需要特別精細(xì)的描述也可以出不錯(cuò)的圖像。但是缺點(diǎn)是畫面不太受控，而且被BAN的敏感詞非常多，像bare,nude（裸體）這類詞就用不了。

?????????? 2. stablediffusion的特點(diǎn)：

?????????? stablediffusion是一個(gè)開源的模型，任何人都可以免費(fèi)使用（但是需要有GPU來跑），也可以部署到GoogleColab和Drive去薅Tesla T4。stablediffusion是基于latent diffusion model（LDM）的條件擴(kuò)散模型，采用CLIP text encoder提取的text embeddings作為condition。stablediffusion對(duì)當(dāng)代藝術(shù)圖像有比較好的理解，可以產(chǎn)生充滿細(xì)節(jié)的藝術(shù)作品。除了文生圖功能外，還支持圖生圖、圖像重繪、個(gè)性化模型訓(xùn)練、可控生成等多種擴(kuò)展應(yīng)用。stablediffusion比較適合生成復(fù)雜的、有創(chuàng)意的插圖。但是缺點(diǎn)是提示詞門檻高，手部問題，Lora的兼容性等等。

?????????? 3.midjouney和stablediffusion的優(yōu)劣

?? midjouney和stablediffusion各有優(yōu)劣之處，具體如下：

??? - midjouney的優(yōu)點(diǎn)是：出圖質(zhì)量高、出圖穩(wěn)定、提示詞簡(jiǎn)單、藝術(shù)風(fēng)格豐富、環(huán)境效果出色。

??? - midjouney的缺點(diǎn)是：收費(fèi)昂貴、只能通過Discord使用、技術(shù)細(xì)節(jié)不透明、畫面不太受控、敏感詞過多。

??? - stablediffusion的優(yōu)點(diǎn)是：開源免費(fèi)、可本地部署或云端使用、技術(shù)原理清晰、擴(kuò)展應(yīng)用多樣、當(dāng)代藝術(shù)理解好。

??? - stablediffusion的缺點(diǎn)是：需要GPU資源、提示詞門檻高、手部問題突出、Lora兼容性差。

?????????? 那么對(duì)于普通人來說，選擇stablediffusion可能比選擇midjouney更合適，原因如下：

??? - stablediffusion是免費(fèi)的，而midjouney是收費(fèi)的，對(duì)于預(yù)算有限的普通人來說，stablediffusion更劃算。

??? - stablediffusion是開源的，而midjouney是閉源的，對(duì)于想要了解AI繪圖技術(shù)原理和細(xì)節(jié)的普通人來說，stablediffusion更透明。

??? - stablediffusion是靈活的，而midjouney是固定的，對(duì)于想要嘗試不同功能和插件的普通人來說，stablediffusion更多樣。

??? - stablediffusion是創(chuàng)新的，而midjouney是成熟的，對(duì)于想要挑戰(zhàn)自己和發(fā)揮想象力的普通人來說，stablediffusion更有趣。

?????????? 總的來說，如果您會(huì)使用midjouney，就相當(dāng)于您學(xué)會(huì)了買車票搭車去某個(gè)地方，你只能選擇路線，而您會(huì)使用stablediffusion，就相當(dāng)于您自己買了一輛車，考了一個(gè)駕照，想去哪里就去哪里，想怎么開車就怎么開車（劃重點(diǎn)）。

三、AI繪圖對(duì)社會(huì)的影響

?????????? AI繪圖技術(shù)的出現(xiàn)對(duì)市場(chǎng)和行業(yè)都帶來了很大的變化和影響，但是并不一定會(huì)導(dǎo)致大批人失業(yè)。AI繪圖可以成為設(shè)計(jì)師、插畫師、美術(shù)工作者等創(chuàng)意人士的輔助工具，提高他們的創(chuàng)作效率和質(zhì)量，拓展他們的創(chuàng)作空間和想象力。

?????????? AI繪圖也可以為普通人提供一個(gè)新的娛樂方式和表達(dá)方式，讓他們能夠通過文字描述來創(chuàng)造出自己想要的圖像，享受到創(chuàng)作帶來的快樂和成就感。AI繪圖還可以用于教育、娛樂、社交、商業(yè)等多個(gè)領(lǐng)域，為人們提供更多樣化和個(gè)性化的服務(wù)和體驗(yàn)。

?????????? AI繪圖也可能帶來一些負(fù)面影響和挑戰(zhàn)，比如對(duì)于版權(quán)、倫理、審美等方面的問題。AI繪圖可能會(huì)侵犯原創(chuàng)作者的版權(quán)，或者被用于制造虛假或有害的信息。AI繪圖也可能會(huì)影響人們對(duì)于藝術(shù)和美學(xué)的認(rèn)識(shí)和評(píng)價(jià)，或者導(dǎo)致人們對(duì)于真實(shí)和虛擬之間的界限模糊。

?????????? AI繪圖技術(shù)是當(dāng)今社會(huì)的一個(gè)重要趨勢(shì)和發(fā)展方向，不學(xué)習(xí)AI繪圖可能會(huì)導(dǎo)致一些不利的后果，比如：

??? - 落后于時(shí)代的步伐，失去與AI繪圖相關(guān)的機(jī)會(huì)和競(jìng)爭(zhēng)力，無法適應(yīng)和應(yīng)對(duì)AI繪圖帶來的變化和挑戰(zhàn)。

??? - 缺乏創(chuàng)新和創(chuàng)造力，無法充分發(fā)揮自己的潛能和價(jià)值，無法享受AI繪圖帶來的樂趣和成就感。

??? - 限制了自己的視野和思維，無法理解和欣賞AI繪圖的藝術(shù)和美學(xué)，無法與AI繪圖的創(chuàng)作者和用戶進(jìn)行有效的溝通和交流。

?????????? 而學(xué)習(xí)AI繪圖可以帶來一些有利的結(jié)果，比如：

??? - 跟上時(shí)代的潮流，抓住與AI繪圖相關(guān)的機(jī)會(huì)和競(jìng)爭(zhēng)力，能夠適應(yīng)和應(yīng)對(duì)AI繪圖帶來的變化和挑戰(zhàn)。

??? - 增強(qiáng)創(chuàng)新和創(chuàng)造力，能夠充分發(fā)揮自己的潛能和價(jià)值，能夠享受AI繪圖帶來的樂趣和成就感。

??? - 擴(kuò)展了自己的視野和思維，能夠理解和欣賞AI繪圖的藝術(shù)和美學(xué)，能夠與AI繪圖的創(chuàng)作者和用戶進(jìn)行有效的溝通和交流。

?????????? 總的來說，AI繪圖是一種利用人工智能技術(shù)生成圖像的方法，它有著悠久而又充滿變革的發(fā)展歷史，它對(duì)社會(huì)產(chǎn)生了深遠(yuǎn)而又復(fù)雜的影響，它有著廣闊而又充滿挑戰(zhàn)的前景，它在很多商業(yè)領(lǐng)域得到了應(yīng)用和利用，它需要我們?nèi)W(xué)習(xí)和掌握。

?????????? 本教程立足實(shí)用性，將從stablediffusion的本地部署、功能介紹、模塊介紹、插件介紹、商業(yè)實(shí)戰(zhàn)等角度帶領(lǐng)大家由淺入深的學(xué)習(xí)stablediffusion，最終達(dá)到學(xué)以致用，讓大家在新興領(lǐng)域分得自己的一杯羹。