“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(zhàn)
定 價：89 元
叢書名：“AI超越·交叉賦能”實用技術叢書
- 作者：龔超、張鵬宇、陳迅、姜帥豪 著
- 出版時間：2024/4/1
- ISBN：9787122450951
- 出 版 社：化學工業(yè)出版社
- 中圖法分類：TP391.413
- 頁碼：196
- 紙張：
- 版次：01
- 開本：16開
《生成式AI繪畫：Stable Diffusion從基礎到實戰(zhàn)》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(jīng)典案例和典型行業(yè)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(chuàng)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(yè)的教材使用。
龔超，清華大學日本研究中心，主任助理，工學博士，清華大學日本研究中心主任助理、未來基因(北京)人工智能研究院首席專家、深圳清華大學研究院下一代互聯(lián)網(wǎng)研發(fā)中心核心成員、教育部教育信息化教學應用實踐共同體項目特聘專家、中國人工智能學會中小學工作委員會委員。研究方向為人工智能算法，人工智能在數(shù)字化轉型中的應用等，著有多本人工智能相關圖書，多家500強企業(yè)數(shù)字化轉型領域GJ顧問，在國內期刊上發(fā)表文章約60余篇。
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(shù)學規(guī)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(jīng)元到深度學習 007
1.2.2 卷積神經(jīng)網(wǎng)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(chuàng)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(tài) 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(shù)據(jù)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(yè) 048
2.3.1 內容創(chuàng)意與可視化 048
2.3.2 實用與功能性設計 050
2.3.3 數(shù)據(jù)驅動的分析與解讀 053
3 AI繪畫引發(fā)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(yè) 065
3.3.1 AI繪畫與就業(yè)新機遇 065
3.3.2 AI繪畫面臨的失業(yè)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(qū)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(shù)設置 096
5.2.1 迭代步數(shù)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(shù) 099
5.2.4 提示詞引導系數(shù) 101
5.2.5 隨機數(shù)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(xiàn)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(shù)設置 142
7.2.3 多重控制網(wǎng)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(yè)應用案例 157
8.1 建筑設計 158
8.1.1 發(fā)揮建筑設計創(chuàng)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(xiàn)實轉化為動漫 166
8.2.2 圖書插畫、繪本創(chuàng)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(chuàng)意海報設計 180
附錄 184
附錄一 Stable Diffusion在線網(wǎng)站使用指南 185
附錄二 Comfy UI使用指南 190
書單推薦
