前言


自从AI绘图技术面世以来，激发了很多人进行艺术创作的兴趣，创作绘画曾经是一件有很高门槛的活动，然而现在，只要输入一句描述文本，计算机就能根据文本的内容生成相应的绘画作品，并且在作画的细节上表现得十分优秀，甚至能超越很多职业画师，让画师这一职业的发展前景看起来岌岌可危。
初见这种技术时，大多数人会被它的表现所震撼，笔者也不例外，这里的AI绘图指的是以Diffusion模型为代表的以文生图模型。事实上图像生成并不是很新的技术，在Diffusion模型之前就已经有自动编码（Auto Encoder，AE）、生成对抗网络（Generative Adversarial Network，GAN）等一系列模型，并且也都取得了很好的成绩，之所以还是会被震撼到，是因为Diffusion模型把图像生成这件事情一下子提高到了过去无法企及的高度，尤其是作画的质量，是过去的模型无法相比的，Diffusion模型生成的图像很清晰，还能使用文本控制图像的内容，过去的模型想生成一张清晰的图片，难度就已经不小了，更不用说再去控制图像的内容了。
Diffusion模型优秀的地方还在于生成内容的丰富性上，无论描述文本的内容是自然风景、古典建筑、人物肖像、动漫卡通，还是可爱的小动物，都可以很自然地生成，这体现了Diffusion模型巨大的知识量，说明它见过的图像和文本是海量的，这和过去的传统模型拉开了差距。自从BERT到ChatGPT以来，大模型的思想被不断强化，Diffusion模型也符合大模型思想。
作为技术人员，可能会对Diffusion模型的底层原理非常感兴趣，本书将从Diffusion模型的高层API开始，逐渐深入地讲解Diffusion模型的底层原理。Diffusion模型中借鉴了一些历史模型的经验，在接触到这些知识时本书会作为单独章节进行讲解，以帮助读者构建完整的知识体系。
本书中所有的实战任务都配有完整的可执行代码，本书和书中代码笔者都尽量以简单、浅显的语言书写，尽量避免无意义的内容，以帮助读者快速、准确地理解本书中的知识。
通过本书的学习，读者能够快速地掌握Diffusion模型的构建、训练、测试方法，并且能够独立研发属于自己的Diffusion绘图模型。