中圖網小程序
一鍵登錄
更方便
本類五星書更多>
-
>
全國計算機等級考試最新真考題庫模擬考場及詳解·二級MSOffice高級應用
-
>
決戰行測5000題(言語理解與表達)
-
>
軟件性能測試.分析與調優實踐之路
-
>
第一行代碼Android
-
>
JAVA持續交付
-
>
EXCEL最強教科書(完全版)(全彩印刷)
-
>
深度學習
“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 版權信息
- ISBN：9787122450951
- 條形碼：9787122450951 ; 978-7-122-45095-1
- 裝幀：平裝
- 冊數：暫無
- 重量：暫無
- 所屬分類：>
“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 本書特色
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。
“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 內容簡介
《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。
“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 目錄
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
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
展開全部
“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 作者簡介
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網研發中心核心成員、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強企業數字化轉型領域GJ顧問，在國內期刊上發表文章約60余篇。
書友推薦
- >
羅庸西南聯大授課錄
- >
煙與鏡
- >
新文學天穹兩巨星--魯迅與胡適/紅燭學術叢書(紅燭學術叢書)
- >
我從未如此眷戀人間
- >
我與地壇
- >
山海經
- >
企鵝口袋書系列·偉大的思想20:論自然選擇(英漢雙語)
- >
詩經-先民的歌唱
本類暢銷
