01

量子學派，你這個渣男！

一向以鋼鐵著稱的理工直男“量子學派”，

一直聲稱對數理哲的激情，遠超與異性的關系。

一生牽手牛頓，終生只愛圖靈。

可近日被曝光與多名女子KISS！

親密照火遍全網！

More

人模狗樣的量子君

照片中的美女們，

要身材有身材，要美貌有美貌，性感而酷颯。

而且，在同一時間內多名女性交往。

詭辯無用，有圖有真相。

量子學派，你這個渣男！

AI繪畫對人類的沖擊，

不僅僅只有上面這個渣男。

2023年9月，深圳地鐵站，

乘客抬頭即現AI短片。

首屆AI FASHION WEEK紐約時裝周，

70%的服裝使借用AI設計。

各大社交短視頻平臺，

開始簽約AI繪畫創造的美女主播

這些日前的過去進行時，

正以光速滲透至人類的商業世界與現實生活。

AI FASHION WEEK紐約時裝周

02

AI繪圖的技術本質

在AI繪畫背后的技術黑匣子里，到底藏著什么？

其實，AI幾秒成像魔力背后，是先做加法再做減法的自虐過程。

做加法，指前向階段對圖像逐步施加噪聲。

直至圖像被破壞變成完全的高斯噪聲，導致信息衰減。

把與主題相關的顏色形狀信息通通加上，不去判斷匹配或不匹配。

做減法，指反向過程對圖像逐漸降噪，從噪聲中重構所需的數據樣本，使模型在給定噪聲輸入的情況下學習生成新圖像。

即逐步減去前向階段添加的冗雜色塊，在此過程中學習每個色塊的意義。

最終將這些意義經驗，積累成自己的大模型數據庫。

當大模型成型，AI學成出山與人類打交道時。

只需將人類的需求指令 ，與大模型數據庫進行對應連線，即可幾秒成像，驚艷世人。

AI的繪畫學習邏輯與人類大相徑庭。

人類大腦共有860 億個神經元，每一個神經元都與其它神經元有數十個至上千個的鏈接。

所以，我們可以從無到有地進行：

線條、素描、構圖、上色的學習

近乎自動化地賦予每個色塊意義，并作出繪畫反應。

而AI計算機的數字邏輯電路，只能理解二進制中的0和1。

因此只有在不斷降噪的過程中，讓AI理解每個色塊的數據意義。

并不斷積累到自己的大模型數據庫中，最終才能做出對人類來說輕而易舉的繪畫行為。

所以，AI不是從無到有地進行繪畫學習。

它是從密密麻麻的涂鴉中，學會了被壓在底層的顏色幾何形狀用法，最后才能做到根據指令生成圖畫。

03

噪聲會很吵嗎？

在現實生活中，絕大多數的隨機并非均勻分布。

正態分布，是連續型隨機變量中最重要的分布。

如同一條鐘形曲，中間高，兩邊低，左右對稱。

大部分數據集中在某處，小部分往兩端傾斜。

帕累托法則、橄欖型收入分布、壟斷性企業分布等隨機分布，都是正態分布。

比如說，在某些國家里：

20%的大城市中居住80%人口、20%人口掌握80%社會財富。

這就是真實世界中的“隨機”。

正態分布，也稱高斯分布。

正態分布的概率密度函數也可以稱為高斯函數。

從一個均值為0、標準差為1的標準正態分布中隨機抽取樣本，生成一組符合該分布的隨機變量，這組變量就稱為標準正態分布隨機變量。

以下這組隨機數，仔細觀察可以發現他們大部分都接近均值零。

只有小部分超出了正負一個標準差的范圍，這樣的隨機變量即高斯噪聲。

在AI的繪畫學習過程中，正是在不斷去除冗雜信息時，習得獲取核心信息的能力。

04

3分鐘拆解前向過程

在一杯水中，加入一滴墨水。

物質粒子便從高濃度區域向低濃度區域移動，這就是熱力學中的分子擴散現象。

AI繪畫技術受擴散現象啟發，通過逐步向圖片中加入高斯噪聲來模擬這種現象。

即對原始圖像通過逐步添加方差為βt的高斯噪聲變成純噪聲圖像，從而達到破壞圖片的目的。

可以將以下公式看作擴散器，用其對圖片加噪來模擬逐步擴散的過程。

開始時，墨水滴入清水中。

逐漸擴散開來，水變得混濁。

即原始圖像x0經過以上公式處理后，得到圖像x1。

墨水的擴散，使得水中的顏色逐漸改變，圖像的細節模糊化。

接下來，將得到的混濁水作為新的狀態，再次滴入一滴墨水。

墨水在水中擴散，使得水變得更加混濁，即將x1圖像經過以上公式處理后得到x2圖像。

對于任意的x（t-1）圖像，我們都可以將其作為新的狀態，代入公式進行迭代，得到xt的圖像。

每次迭代中，墨水的擴散使得水變得更加渾濁，即噪聲使得圖像的細節更加模糊。

在這個過程中，每一步中的β并不相同，βt最開始是某個接近0的數字，然后逐步遞增至接近1。

因為墨水的擴散速度會越來越快，使得水變得更加渾濁，圖像的特征也更加模糊。

為何一定要加噪點模糊原始圖像？

每張圖片都可以用RGB紅綠藍3個通道表示，一張1000×1000像素大小的圖片。

在計算機的眼中，可被轉化為1000x1000x3的一組數字。

對于計算機來說，讀取3000000枚數據很容易。

但是若把它放在算法中，對這個算力有相當高的要求。這種級別的算力，大眾顯卡無法承擔。

所以為了解決這個問題，需要先進行加噪點為圖片降維。

減少算力需求，讓AI繪畫具備在消費級顯卡上運行的可能性。

通過循序漸進為圖片添加噪點來不斷訓練AI，讓AI從滿是噪點的圖片中執行降噪。

使其掌握提取關鍵信息、識別圖片內容的能力，這是需要先做加法的另一個原因。

一旦AI學會抓取重點信息，摒棄次要信息，所需要用到的數據量相對原圖來說就變得非常小。

所以AI可以學習更多的圖片，而眾多的圖片通過AI的學習和分類，就被打包成了我們當前大熱的“模型”。

05

3分鐘拆解反向過程

反向過程，是不斷去除噪聲的過程。

給定一個噪聲圖片，對其一步步的去噪還原，直至最終將原始圖像恢復。

從第T個timestep開始，模型的輸入為Xt與當前的timestep t。

模型中蘊含一個噪聲預測器（UNet），它會根據當前的輸入預測出噪聲，再將當前圖片減去預測出來的噪聲，就可以得到去噪后的圖片。

重復這個過程，直到還原出原始圖片為止。

AI通過原始圖片在去噪中不斷顯露，學會了繪畫技法，這是對人類繪畫的神奇逆練。

什么是噪聲預測器（UNet）？

UNet是一種深度學習模型，最初用于解決醫學影像分割問題。

它的結構特點是U字形，因此得名UNet。

UNet模型由編碼器（Encoder）和解碼器（Decoder）組成：

編碼器負責逐步壓縮輸入圖像的大小，提取圖像的高級特征表示。

解碼器則逐步還原壓縮后的圖像大小，恢復圖像的細節信息。

編碼器部分，通常由卷積層和池化層組成，用于逐步降低圖像的空間分辨率和提取特征。

解碼器部分，通常由反卷積層和跳躍連接（skip connections）組成。

跳躍連接，將編碼器中的特征圖與解碼器中的對應層進行連接，確保在推理和還原圖片信息時，不會丟失掉之前步驟的信息。

反向過程的降噪程序對應到SD中，即“采樣迭代步數”“采樣器”參數的來源。

采樣器，指用于在生成圖像的過程對圖像進行去噪聲的方法。

去噪的方法有很多種，通常需要在速度和準確性之間做出權衡。

采樣步數迭代，指降噪的次數，即生成圖像需要的步數，

每一次采樣步數，都是在上一次迭代生成的圖像基礎上生成一張新的圖片。

一般來說，采樣迭代步數設置在20-40之間即可。

06

數據構成的畫有價值嗎？

實現AI生成圖畫，需要兩個條件。

首先，必須有一個足夠大的降維數據庫，

能夠快速提供運算的圖片，即模型。

模型在前文提到的加噪降噪過程中逐漸練成。

其次，讓AI把人類需求轉為數據之后，需要在圖片數據庫中進行精準連線。

在模型中找到符合要求的圖片，進行創作。

所以，AI繪出的圖畫本質上是一堆數據集。

那AI繪畫到底有沒有價值？

No.1

價值一：生長1.5個大腦

傳統工作流，在創意發散階段點子有限，組織頭腦風暴會動輒幾個小時。

當掌握了ChatGPT等大語言模型后，它就可以很好的扮演一個創意助手的角色。

當我們需要發散創意的時候，可以分分鐘就能產生幾十個不同的思路。

除了文字idea，也可以發散一些畫面創意。

比如：確定了大致的元素和畫面，通過參考圖和關鍵詞，

利用圖片模型生成海量的圖片創意，進一步開拓設計師的思路。

No.2

價值二：提速器

甲方領導對畫面想法多，訴求不明確，給出的方向過廣

想要設計出多版設定看效果，但時間不允許怎么辦？

可以用生成式AI工具快速產出多版接近成稿的設定。

STEP1：

以中秋為例，提煉相關元素——中秋、嫦娥奔月、月餅、禮物盒、圓月、燈籠、玉兔、家人團聚賞月、煙花等元素；

STEP2：

開始嘗試“拆盲盒”，通過Midjourney生成想要風格的對應元素：一位美麗的仙女，騎著玉兔在云彩中翱翔。

STEP3：

快速拼合元素由于只是設定階段，快速合成大感覺即可。細節不好的地方，可以用多張圖取長補短來合成。

No.3

價值三：拓展能力圈

AI可以拓展我們的能力圈，跨職能完成一些以往需要開發介入才能完成的工作。

我們以一張設計3D科幻風格海報為例。

STEP1：

根據既定的設計風格，選擇相關的模型。

【大模型】此次選擇的是Rev animated作為大模型，作為萬能模型可以較好的適配各種風格場景。

除此以外，也可以選擇與目標設計風格接近的大模型。

【lora模型】主要使用的是Xsarchi_127作為主要lora模型，Lunarpunkai為輔助模型。

STEP2：

關鍵詞描述：書寫關鍵詞時，可參考lora模型效果圖中生成圖的關鍵詞，再根據自己實際情況進行增加與刪減，這樣會比較省心省力。

STEP3：

Controlnet設置：主要使用了Depth這個模式，可以根據生成效果多做組合搭配。

STEP4：

采樣器推薦使用：eulera、DPM++2M Karras、DPM++SDE Karras。

STEP5：

生效成果，不同模型不同lora在某個細節表現上都會有優勢的地方。

同樣參數同樣模型下，前后生成的效果也可能不一樣。選擇一個較滿意的效果作為基礎圖，嘗試切換其他lora繼續生成。擇優合成到基礎圖中。

STEP6：

最終合成效果，一些高級的創意，用傳統的美學工具我們很難完全執行落地，借助AI則可以突破自己的能力限制。

No.4

價值四：賺固定工資以外的錢

AI的能力有多強，在于AI‘懂’你的能力有多強。

學會“調教”AI，掌握與AI對話從而調用知識的能力，

便能掌握駕馭AI的魔法，率先吃上AI的第一口紅利。

AI 新時代，信息碎片化和信息差，

使得獲取高質量的信息和數據，

變得十分困難。

最好最直接的辦法，

就是與行業高手交流學習！

量子學派聯合工信部人民郵電出版社，

歷時180天打造，

邀請國內AIGC行業頭部大佬。

誠意推出這門——

免費「AI前沿工具的直播訓練營。」

前300強數字人企業技術創意總監王澤武，

帶你實踐以下硅基封面AI視頻，

構建一個人的媒體帝國！

從入門到實踐一站式打通。

往期學員作品+反饋

陪伴式服務

助教陪伴式服務

「督學+知識拓展+社群答疑+一對一輔導」

貫穿整個學習周期，

保證每個學員的學習進度和學習質量，

確保最終的技能交付質量。

在AIGC訓練營中，你能學到什么？

No.1

掌握向AI“提需求”的能力

這次課程，與市面上的工具課不同。

它提煉了訓練AI最核心的技巧，注重訓練向AI“提需求”能力。

教你與AI高效對話的模板，簡單的提問公式或者幾個提示詞，就能讓AI秒出成果。

根據老師教授的方法，可立刻產出高質商品圖。

No.2

提升個人能力，經濟選型“保住飯碗”

其次，這門課程還將讓你學會如何利用AI工具結合日常工作、學習，實現個人能力的暴增：

a.為你解析AI時代會對普通人造成什么影響；

b.如何抓住AI帶來的機遇開啟小事業？

c.為你演示AI設計的多種使用場景和應用渠道。

同時，我們會通過實戰案例。

讓大家體驗用AI工具完成變現，增加睡后收入：

a.為你講解市面上最火的AI繪畫工具的用法；

b.AI軟件如何一分鐘高效做出可變素材；

c.沒有基礎的小白，如何利用AI快速變？

現在就和我們一起走進AI，成為第一批駕馭AI的人！

No.3

AIGC：一站式持續成長方案

AI如同一個六邊形戰士，當你有一個絕妙點子，它能隨時點亮技能樹，用編程、寫作、繪畫等技能把你的想法落地：

? AI智能對話實訓，打造AI高效辦公助理

? AI繪畫專項實訓，讓你的商業設計落地

? AI高階部署實訓，靈活定制個人AI需求

? AI商業變現實戰，多開拓副業賺錢渠道

在「AI+」時代，

我們不妨在技術上開掛，

在作為人類的獨有優勢上加碼，

做那個被AI解放的人！

用AI重塑你的核心競爭力！

即刻掃碼預約