机器学习笔记 - 使用稳定扩散模型创建图像

一、简述

        文本到图像生成是机器学习 （ML） 模型从文本描述生成图像的任务。目标是生成与描述非常匹配的图像，捕捉文本的细节和细微差别。这项任务具有挑战性，因为它要求模型理解文本的语义和语法，并生成逼真的图像。文本到图像生成在 AI 摄影、概念艺术、建筑建筑、时尚、视频游戏、平面设计等方面有许多实际应用。

       稳定扩散起源于潜在扩散模型（LDM），这是原始的文本到图像模型。所以稳定扩散也是一种文本到图像的模式，能够在几秒钟内创作出令人惊叹的艺术效果。这是一个速度和质量的突破，意味着它可以在消费者级别GPU上运行。

使用稳定扩散从噪声（推理）生成图像

         以Glide、Dalle-2、Imagen和Stable Diffusion等扩散模型为首的基于AI的图像生成的最新进展，已经席卷了“AI艺术生成”的世界。

生成示例

二、稳定扩散架构

        这里的架构指的是St