本文中所有圖片都來(lái)自本人個(gè)人電腦運(yùn)行，歡迎討論，未經(jīng)允許轉(zhuǎn)載Σ。

以一張梗圖為例，通過(guò)X/Y Plot繪圖法，展示了Stable Diffusion1.4模型和NovelAILeak模型中CFGscale和Denoising strength兩個(gè)參數(shù)的基本意義及其相互影響。

基本理解：擴(kuò)散模型生成圖像的過(guò)程是將以一張滿(mǎn)是噪點(diǎn)的圖為基準(zhǔn)，一點(diǎn)一點(diǎn)地向目標(biāo)（prompt）“擴(kuò)散”靠近。其中，CFG可以大致理解為prompt對(duì)擴(kuò)散過(guò)程的指導(dǎo)強(qiáng)度。CFG越大，AI就越努力地想將圖片精準(zhǔn)繪制成prompt中的樣子，反之，AI則會(huì)自由發(fā)揮，生成的目的性不是很強(qiáng)（可能會(huì)更有“藝術(shù)性”或“創(chuàng)造性”）（也可能生成對(duì)人類(lèi)而言還為時(shí)尚早的藝術(shù)）。

當(dāng)進(jìn)行以圖繪圖（img2img）時(shí)，同樣地，基于基本原理，AI會(huì)先在圖片中添加噪點(diǎn)，再進(jìn)行擴(kuò)散繪圖。這就引入了新的參數(shù)：Denoising strength，添加噪點(diǎn)的強(qiáng)度。AI是基于噪點(diǎn)擴(kuò)散的，噪點(diǎn)強(qiáng)度越高，AI的創(chuàng)作空間就越大，出圖也就和原圖越不相似。

下面以實(shí)例說(shuō)明：

下列例子以純愛(ài)戰(zhàn)神視頻截圖為原圖，prompt是“a handsome hero standing on the battleground,detaild face,sad face”

圖1，SD1.4模型測(cè)試結(jié)果。（注意，圖中橫軸參數(shù)CFGscale的變化是跳躍式的）

可以看出，當(dāng)噪聲強(qiáng)度極小時(shí)，CFG再大也沒(méi)有用，AI沒(méi)有發(fā)揮空間。

當(dāng)噪聲強(qiáng)度極大時(shí)，CFG就比較關(guān)鍵了，會(huì)較大地影響圖片內(nèi)容：當(dāng)CFG極小時(shí)，畫(huà)面很模糊（這個(gè)畫(huà)風(fēng)讓我想起了DiscoDiffusion）；CFG在7左右，已經(jīng)能正常生成圖片，但沒(méi)有背景（prompt中的battleground被忽略）；隨CFG進(jìn)一步增大，在11時(shí)出現(xiàn)了背景；當(dāng)CFG達(dá)到20，背景才被畫(huà)成戰(zhàn)場(chǎng)battleground。

值得注意的是，在噪聲強(qiáng)度僅為0.2-0.3時(shí)，盡管AI創(chuàng)作空間不大，但只要CFG足夠大，AI也基本能生成畫(huà)風(fēng)比較像樣的圖了。

此外還有一些特點(diǎn)：

CFG過(guò)小似乎會(huì)生成模糊的、筆觸很強(qiáng)的感覺(jué)的畫(huà)。

CFG較大時(shí)似乎光影對(duì)比會(huì)更強(qiáng)烈。

對(duì)Dinoisingstrength而言，0.5似乎是一個(gè)很關(guān)鍵的閾值。超過(guò)0.5之后，即便CFG不大，普遍也能實(shí)現(xiàn)從臨摹到二創(chuàng)的跳躍。

圖2，NAI模型結(jié)果。（注意，圖中橫軸參數(shù)CFGscale的變化是跳躍式的）

NAI模型結(jié)果規(guī)律與SD1.4類(lèi)似（畢竟都是擴(kuò)散生成），但是NAI明顯更二次元，在Denoising較低時(shí)就有了漫畫(huà)畫(huà)風(fēng)的傾向。

多論一句，如果只拿來(lái)畫(huà)紙片人，NAI確實(shí)比SD更強(qiáng)，但可惜，如果想要畫(huà)更廣闊的領(lǐng)域，還是不得不借助SD模型，盡管它可能不太穩(wěn)定。每次看DALL·E2或者midjourney的圖都覺(jué)得好香，尤其midjourney，往往能給人一種精致的感覺(jué)。期待4chan的盜火者能再度英雄登場(chǎng)，盡管NAI泄露之后感覺(jué)各大公司肯定有了防范措施。