学习之旅:揭秘AI绘画与视频生成的奥妙(1)

前言

        欢迎来到本篇文章,这里我们将探讨一系列创新采样方法,并分享关于AI绘画及稳定扩散模型的实践经验。本文旨在提供有关这些方法的概述以及如何将它们应用于实际问题。请注意,本文中的部分内容来自网络搜集和个人实践,如有任何错误,请随时向我们提出批评和指正。

        本文仅供学习和交流使用,不涉及任何商业目的。如果因本文内容引发版权或侵权问题,请通过私信告知我们,我们将立即予以删除。

目录

前言

采样方法

尝试

总结

参考


采样方法

学习之旅:揭秘AI绘画与视频生成的奥妙(1)_第1张图片

关于这些采样方法的详细信息如下。解释可能不完全准确,可以帮助你大致了解:

  1. Euler a 和 Euler:这两种方法都是基于欧拉方法的采样方法。欧拉方法是一种简单的一阶数值积分方法,用于求解常微分方程。欧拉a方法可能是对欧拉方法的一个改进,提供了更高的精度或更好的稳定性。

  2. LMS:Least Mean Squares(LMS)算法是一种自适应滤波器,用于在线学习。它通过最小化输入信号和期望输出之间的均方误差来调整滤波器权重。

  3. Heun:Heun方法是欧拉方法的一个改进,它是一种二阶数值积分方法,具有更高的精度。Heun方法使用预测-校正策略,先根据欧拉方法进行预测,然后根据预测值进行校正。

  4. DPM2 和 DPM2 a:这两种方法可能与离散概率匹配(DPM)有关。DPM是一种基于概率密度函数的采样方法,用于生成服从给定概率密度函数的样本。DPM2和DPM2 a 可能是对基本DPM算法的改进或变体,提供了更高的精度或更好的稳定性。

  5. DPM++ 2S a,DPM++ 2M,DPM++ SDE,DPM++ 2M SDE:这些方法可能是基于离散概率匹配(DPM)的更高级版本,其中包含了更多的改进和特性。DPM++可能表示使用了更先进的技术,例如多尺度或多维度建模。SDE可能表示这些方法与随机微分方程有关。

  6. DPM fast 和 DPM adaptive:DPM fast 可能是针对DPM算法进行优化的快速版本,降低了计算复杂度。DPM adaptive 可能是一种自适应版本,能够根据数据特征动态调整参数。

  7. Karras后缀的方法:这些方法可能与特定研究人员(例如Karras)的工作有关,他们对上述采样方法进行了改进或扩展。这些方法可能在不同的领域和场景中具有特定的应用价值。

  8. DDIM:Dynamic Diffusion-In-Memory(DDIM)可能是一种在内存中进行扩散建模的方法。这种方法可能利用计算机内存的特性,如局部性原理,以有效地处理大规模数据。

  9. PLMS:Projected Least Mean Squares(PLMS)可能是一种在线学习和自适应滤波的技术,它在Least Mean Squares(LMS)算法的基础上引入了投影操作。这可能有助于提高算法的稳定性和性能。

  10. UniPC:Uniform Principal Component(UniPC)可能是一种降维和特征提取方法。该方法可能通过将数据投影到一组均匀分布的主成分上来实现降维。这种方法可能在处理高维数据时具有优势,例如图像和信号处理。

尝试

一、 Stable Diffusion 模型使用来源:秋葉aaaki

二、模型版本及相关配置:

模型:Counterfeit-V2.5
Lora:RainbowLinesStyle-linev1(f4a8b87a30dc)
采样迭代步数(steps): 20
采样方法(Sampler):DPM++ SDE Karras

提示词相关性(CFG Scale)CFG Scale:7

算力资源:NVIDIA GeForce RTX 3050 Ti Laptop GPU

三、图片提示词与反向提示词:

正向提示词:TEXT2IMG, MihoHirano, (AgnesCecile:1.3), officialart, unity8kwallpaper, ultradetailed, beautifulandaesthetic, masterpiece, bestquality, 1girl, fullbody, (Themostbeautifulformofchaos:1.2), (Detaileddetails:1.2), Fauvistdesign, Flowingcolors, Vividcolors, dynamicangle

反向提示词:worstquality, LowQuality, NormalQuality, blurry, Morbid, Malformed, Mutilated, Multiplepeople, Dirty, disgusting, Mutation, Deformed, Ugly, Disfigured, abnormal eyeproportion, Cross-Eyed, poorlydrawnface, unnaturalexpression, skin spots, acnes, age spot, age spot, Negativefilm, Sketch, overexposure, underexposed, greyscale, (MalformedHands:1.2), (ExtraFingers:1.3), (MissingFingers:1.2), missinghand, (FusedFingers:1.1), MissingArms, ExtraArms, MissingLegs, ExtraLegs, abnormallegs, abnormalfeet, ExtraLimbs, MalformedLimbs, contortedlimbs, BadAnatomy, BadBody, MissingLimb, disconnectedlimbs, disconnectedhead, oversizedhead, LongNeck, logo, jpgartifacts, watermark, Cropped, frame, collage, signature, username, text, error, negative_hand-neg

种子:1082151348

总结

        以上内容大致记录了我的一次简单AI绘画,本人第一次尝试,有许多不足,希望以上的内容对你有所帮助,喜欢的可以给博主来一个三连,下一篇文章来介绍我使用Ebsynth Utility 插件重绘视频的过程

参考

 Stable Diffusion 模型使用来源:秋葉aaaki

你可能感兴趣的:(stable,diffusion,学习,AI作画,人工智能)