– 这是一期关于Stable Diffusion绘画底层原理的教程，当你看完之后，会对Stable Diffusion绘画底层原理有深刻的认知。
Stable Diffusion的原理
通过降噪的过程来生成清晰的图片 。 它使用算法逆向恢复一张噪点图片（也就是绘图） ， 类似于清理一片落满花瓣的草坪 。无论是mj还是sd生成图像过程中都是将一张模糊的照片逐渐变清晰，Stable Diffusion通过降维（加噪点）和扩散算法来降低图片的维度 ， 从而减少计算机处理的难度 。 同时 ， Stable Diffusion使用采样器来迭代降噪 ， 逐渐提取图片的关键信息 。 这样的降维过程使得SD能够在消费级显卡上运行 ， 并且使用较少的数据量和算力 。
– 通过一个桃树和草坪上的花瓣的比喻，简单易懂地解释了Stable Diffusion的原理。
一阵风吹过，一片一片的花瓣从树上掉下来，这就相当于给草坪加噪点的过程，花瓣一直落，直到满我们依然会知道下面是草坪。而绘画则是清洁工拿着扫把一层一层的把花瓣扫干净（降噪点的过程）逐渐露出草坪的过程。
– Stable Diffusion的核心原理是一个逆向降噪的过程，通过给图片加噪点然后逆向恢复成原图来实现绘画。
– 给图片加噪点的目的是为了降低图片的维度，以便更容易进行算法处理 。 加噪点可以减少图片的信息量 ， 从而降低了算力要求 ， 并且可以学习更多的图片 。
– 图片降维的过程是通过给图片加入噪点来减少图片的维度 ， 以便于计算机处理和学习 。 噪点可以是图片上的一些不重要的元素 ， 通过逐渐清除噪点 ， AI可以从中提取关键信息 ， 从而了解图片的内容 。 这个过程需要使用降噪算法来预测和去除噪点 ， 同时也需要一个足够大的图片数据库来提供运算 。 通过图片降维 ， AI可以更好地理解和绘制出与原图相似的图片 。
– 为了去除噪点，需要使用特定的算法进行降噪，这个过程可以理解为清理草坪上的花瓣。
– 采样步数是指在清理噪点的过程中，逐步恢复图片的关键信息，理论上步数越多，效果越好。我们可以理解成清洁工清扫的次数，如果扫一下和扫30下效果肯定是不一样的。但一般在30-50次之间效果最好。
-采样器，可以理解成对草坪清理的不同方法，比方说有的拿扫把扫，有的用吸尘器。
– AI绘图的过程需要一个降维的图片数据库（模型）和一个能理解指令的模型（Transformer，chatgpt的T），通过对应图片的坐标来生成绘画结果。
- AI理解我们的要求并生成相应的图片是通过降噪和扩散算法实现的 。 首先 ， 我们将要求转化为数字 ， 然后AI通过学习将这些数字与图片模型中的相应部分进行对应 。 AI在接收到我们的指令后 ， 会先生成一张模糊的图片 ， 然后通过迭代和降噪的过程逐渐使图片清晰起来 。 这个过程类似于一个小孩在积雪上画画的过程 ， 不断添加噪点（下雪）然后逐渐去除噪点（降噪）直到图片完成 。
相关文章
提供CDN加速/云存储服务
