Stable Diffusion 简介

在 AIGC 绘画领域，无论是 Midjourney、SDWebUI 、DALL·E 以及 ComfyUI 都是基于 Stable Diffusion （稳定扩散）模型而开发的图像生成应用。

Stable Diffusion 指的是一种**“文本到图像”**的人工神经网络模型，能够理解用户输入的描述并生成相应的图像。这种模型基于大量的数据进行训练，其作用是学习如何将输入的文本描述转化为图像内容。

2022年8月首次亮相，由德国大学的计算机视觉小组 (ComVis) 和 Runway 公司合作研发，得益于 Stability AI 公司的资助以及 LAION 的数据集支持，模型的代码与权重均已开源。

Stable Diffusion 原理

Stable Diffusion 模型，原名为潜扩散模型（LDM），是一种基于深度学习的扩散模型，扩散过程发生在潜在空间中，用于合成高分辨率图片，其主要工作原理是从随机噪声中直接生成图片。

扩散 是 Stable Diffusion 模型的最基本理论原理，一个标准扩散模型有两个主要过程：正向扩散和反向扩散

1、正向扩散：在正向扩散阶段，通过逐渐引入噪声来破坏图像，直到图像变成完全随机的噪声。

2、反向扩散：在反向扩散阶段，使用一系列马尔可夫链逐步去除预测噪声，从高斯噪声中恢复数据，最终生成一张图像。

对于非专业AI工程师，理解 Stable Diffusion 模型的大致概念就可以，非专业人士确实较难深入，之所以有点难理清，因为这里的模型概念指是对某一种事物的抽象表达，并非现实世界的实体产物。计算机最厉害的除了复制，还有其海量数据的存储与足够快的运算能力演化的学习能力。所以简单理解的话，模型就是经过训练学习后得到的产物（程序文件），略微了解这些概念只为之后能更好的使用 ComfyUI 。

图像生成的简单解析过程：就是用户输入一段描述后，这些信息首先会被文本编码器转化为机器可理解的形式，接着在潜在空间模型中生成相应的潜在向量，最后解码器将这些潜在向量转化为图像。

**应用中操作层面的生成过程：**第一步：选择一个风格合适的模型；第二步：输入画面描述的提示词；第三步：调节生成参数；第四步：点击生成，图像就被绘制出来了。

目前 Stability AI 官方已发布的大模型主要版本有：SD1.5、SD2.1、SDXL 1.0 以及目前最新的 SDXL Turbo 等，就像 ChatGPT 的底层就是GPT大模型，版本有熟知的3.5和4.0，不同只是一个专注于聊天，一个专注于图像。下一节我们再一起了解这些已经发布的官方模型。

**总结：Stable Diffusion 简称（SD）指的是一种模型，**专注于图像领域，其作用是用于图像生成、去噪、修复、着色、提高分辨率等，已发布的版本很多，还在不停迭代。

写在最后

感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。

AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
 

一、AIGC所有方向的学习路线

AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。

二、AIGC必备工具

工具都帮大家整理好了，安装就可直接上手！

三、最新AIGC学习笔记

当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。

四、AIGC视频教程合集

观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。

五、实战案例

纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

若有侵权，请联系删除