123,123

內(nèi)容簡(jiǎn)介

　　本書共9章，利用易學(xué)易用的Stable Diffusion為繪畫設(shè)計(jì)從業(yè)者和愛好者提高生產(chǎn)力。一方面，提供350幅實(shí)操圖解，一步步拆解，讓讀者掌握接到不同需求時(shí)如何使用Stable Diffusion出圖。另一方面，提供游戲、電商、插畫、建筑行業(yè)和頭像設(shè)計(jì)等副業(yè)領(lǐng)域的實(shí)操案例與技巧，滿足游戲角色、原畫、圖標(biāo)、商品展示圖、插畫、室內(nèi)設(shè)計(jì)和建筑設(shè)計(jì)的出圖需求。結(jié)合18個(gè)主業(yè)和副業(yè)場(chǎng)景，提高生產(chǎn)力，實(shí)現(xiàn)AI商業(yè)化。

作者簡(jiǎn)介

　　孟德軒（軒軒老師）德普道信息技術(shù)有限公司CEO，阿里巴巴Design認(rèn)證AIGC培訓(xùn)講師，十方教育AI繪畫項(xiàng)目負(fù)責(zé)人，國(guó)際云計(jì)算平臺(tái)AI顧問，B站AI領(lǐng)域頭部UP主。AI教育先行者，累計(jì)培訓(xùn)3萬(wàn)名學(xué)員，同時(shí)是多家大型公司的AI商業(yè)落地方案策劃人，主導(dǎo)過千萬(wàn)級(jí)別營(yíng)收的AI繪畫實(shí)戰(zhàn)項(xiàng)目。

圖書目錄

CONTENTS
目　　錄
前言
第1章　認(rèn)識(shí)Stable Diffusion　1
1.1　主流AI繪畫工具　1
1.2　Stable Diffusion的獨(dú)特優(yōu)勢(shì)　2
1.2.1　開源免費(fèi)　2
1.2.2　本地部署　2
1.2.3　高度拓展性　3
1.2.4　內(nèi)容無(wú)限制　3
1.3　Stable Diffusion的安裝　3
1.3.1　本地安裝　3
1.3.2　云端安裝　4
第2章　Stable Diffusion
　的基礎(chǔ)模型及原理　8
2.1　三大生成模型　8
2.1.1　CLIP模型　8
2.1.2　擴(kuò)散模型　9
2.1.3　VAE模型　10
2.2　5類特定模型　10
2.2.1　Checkpoint大模型　10
2.2.2　Embedding模型　12
2.2.3　Hypernetwork模型　14
2.2.4　LoRA模型　16
2.2.5　VAE模型　18
第3章　Stable Diffusion
　文生圖　21
3.1　提示詞　21
3.1.1　提示詞功能　23
3.1.2　常用提示詞　23
3.1.3　提示詞語(yǔ)法　30
3.1.4　提示詞相關(guān)性　34
3.2　圖片采樣　35
3.2.1　采樣的基礎(chǔ)原理　35
3.2.2　采樣方法的比較與
　選擇　36
3.2.3　采樣迭代步數(shù)　37
3.3　面部修復(fù)與高清修復(fù)功能　38
3.3.1　面部修復(fù)功能原理　38
3.3.2　面部修復(fù)效果對(duì)比　38
3.3.3　高清修復(fù)功能原理　39
3.3.4　高清修復(fù)效果對(duì)比　40
3.3.5　高清修復(fù)功能的
　放大算法選擇　41
3.4　分辨率　41
3.5　生成批次與每批數(shù)量　41
3.6　隨機(jī)種子　42
3.7　差異隨機(jī)種子　45
第4章　Stable Diffusion
　圖生圖　47
4.1　圖生圖　47
4.1.1　縮放模式　48
4.1.2　重繪幅度　53
4.2　繪圖　53
4.3　局部重繪　56
4.3.1　局部重繪實(shí)操　56
4.3.2　蒙版邊緣模糊度　59
4.3.3　蒙版模式　59
4.3.4　蒙版區(qū)域內(nèi)容處理　60
4.3.5　重繪區(qū)域　62
4.4　局部重繪（手涂蒙版）　63
4.4.1　局部重繪（手涂蒙版）
　實(shí)操　63
4.4.2　蒙版透明度　66
4.5　局部重繪（上傳蒙版）　66
4.6　批量處理　72
第5章　腳本　75
5.1　X/Y/Z plot　75
5.1.1　軸類型和值　76
5.1.2　參數(shù)設(shè)置　80
5.2　提示詞矩陣　81
5.2.1　語(yǔ)法　81
5.2.2　參數(shù)設(shè)置　81
5.3　批量載入提示詞　82
第6章　附加功能　85
6.1　單張圖像　86
6.1.1　縮放模式　87
6.1.2　放大算法　87
6.2　批量處理　89
6.3　從目錄進(jìn)行批量處理　90
6.4　面部馬賽克修復(fù)還原　91
6.4.1　GFPGAN算法　92
6.4.2　CodeFormer算法　93
6.5　圖片信息提取　93
6.6　提示詞反推　94
第7章　常用插件擴(kuò)展　96
7.1　ControlNet　96
7.1.1　ControlNet的安裝　97
7.1.2　參數(shù)設(shè)置　98
7.2　線條約束　102
7.2.1　Canny：硬邊緣
　檢測(cè)　102
7.2.2　SoftEdge：軟邊緣
　檢測(cè)　105
7.2.3　MLSD：直線檢測(cè)　107
7.2.4　Lineart：線稿提取　109
7.2.5　Scribble：涂鴉提取　112
7.3　深度約束　115
7.4　法線約束　119
7.5　色彩分布約束　119
7.6　姿勢(shì)約束　122
7.6.1　openpose：姿勢(shì)檢測(cè)
　預(yù)處理器　122
7.6.2　openpose_hand：
　姿勢(shì)和手勢(shì)檢測(cè)
　預(yù)處理器　124
7.6.3　openpose_faceonly：
　臉部特征檢測(cè)
　預(yù)處理器　124
7.6.4　openpose_face：
　姿勢(shì)和臉部特征
　檢測(cè)預(yù)處理器　125
7.6.5　openpose_full：姿勢(shì)、
　手勢(shì)和臉部特征檢測(cè)
　預(yù)處理器　126
7.6.6　直接上傳姿勢(shì)圖　127
7.6.7　自主生成姿勢(shì)　128
7.7　內(nèi)容約束　131
7.8　物品類型約束　135
7.9　分塊重采樣　136
7.10　局部重繪　138
7.11　指令修改　139
7.12　參數(shù)模式　141
7.13　Tag自動(dòng)填充　142
第8章　Stable Diffusion的
　商業(yè)化應(yīng)用　146
8.1　游戲行業(yè)的應(yīng)用　146
8.1.1　寫實(shí)角色的
　多視圖設(shè)計(jì)　146
8.1.2　二次元角色的
　多視圖設(shè)計(jì)　149
8.1.3　游戲原畫生成　151
8.1.4　游戲圖標(biāo)設(shè)計(jì)　153
8.2　電商行業(yè)的應(yīng)用　154
8.2.1　模特形象生成　154
8.2.2　指定模特面部特征　155
8.2.3　AI圖片高清放大　156
8.3　插畫行業(yè)的應(yīng)用　158
8.3.1　線稿生成　159
8.3.2　線稿上色　160
8.3.3　圖書插圖生成　163
8.3.4　圖畫擴(kuò)充　163
8.4　建筑行業(yè)的應(yīng)用　168
8.4.1　無(wú)線稿的室內(nèi)設(shè)計(jì)　169
8.4.2　室內(nèi)設(shè)計(jì)線稿生成　169
8.4.3　室內(nèi)設(shè)計(jì)線稿上色　171
8.4.4　建筑線稿生成　173
8.4.5　建筑線稿上色　174
8.5　其他領(lǐng)域的應(yīng)用　176
8.5.1　舊照片修復(fù)　177
8.5.2　圖片風(fēng)格轉(zhuǎn)換　178
第9章　AI繪畫工具擴(kuò)展：
　Midjourney　180
9.1　Midjourney基礎(chǔ)知識(shí)　180
9.2　軟件注冊(cè)　181
9.2.1　注冊(cè)Discord　181
9.2.2　添加Midjourney
　服務(wù)器　184
9.2.3　接入Midjourney
　Bot　186
9.3　圖像生成方法　188
9.3.1　文生圖　188
9.3.2　圖生圖　190