扩散是从图像中去除噪声的数学过程，而CLIP 是用于标记图像的工具。 结合使用时，CLIP 使用其图像识别技术迭代地引导扩散去噪过程，使图像的内容逐渐与文本提示的概念紧密匹配。
上面的图片[1]便是在 DD 中仅使用“提示”创建的，其内容为：“A beautiful painting of a singular lighthouse, shining its light across a tumultuous sea of blood by greg rutkowski and thomas kinkade, Trending on artstation.”
扩散是一个迭代的过程。 在每次迭代/步骤中，CLIP 都会根据“提示”评估现有图像，并为扩散过程提供“方向”。 扩散将对现有图像进行“去噪”，而 DD 将显示其对最终图像外观的“当前估计”。 最初，图像只是一团模糊混乱的噪点，但随着 DD 迭代的推进，图像的细节从逐渐由粗略变为精细。
上面的示例图像[2]生成总共耗费了250次扩散迭代。正如您看到的那样，随着 CLIP 根据“提示”不断引导扩散降噪过程，图像在该过程中逐渐变得清晰。
图像的内容通常由“提示”——句子、短语和一系列描述性词语（译者注：甚至是网络关键词和艺术家！例如trending on artstation——artstation上的热搜、Miyazaki Hayao——宫崎骏）控制，这些词语告诉 CLIP 您想看到什么。
为 AI 艺术创建一个好的“提示”是一项细致入微、具有挑战性的任务，需要大量的反复试验和实践。 它需要您琢磨学习，但本指南不会详细介绍。 我们侧重于介绍如何调整Disco Diffusion该jupyter文件的基本参数。
DD 的大部分控制参数需要填写具体数字，以控制 CLIP 模型和扩散曲线的各个方面。使用 DD 的一般流程是：
根据使用的设置和可用的处理器不同，DD 渲染单个图像的时间从 5 分钟到一个小时不等，甚至更长时间
微调“提示”和控制参数既复杂又耗时，因此不断去尝试并形成自己的一套技巧会更好。 我们建议您先尝试一下jupyter文件中的默认设置，以确认文件运行正常并且您的设置没有错误。 在那之后，尽情地实践你的点子吧！
此外，尽管 DD 支持生成整个作画过程的动画，您仍应该从学习如何创建静止图像开始，因为学会创建图像后生成动画将十分简单。
用AI(Artificial Intelligence/人工智能)创造艺术是神奇而复杂的，数据科学家和程序员在该领域的研究从未停止。因此，如果一点点努力与专注都不屑于付出的话，你同样可能毫无收获。DD有几十个控件，交互复杂，限制少，很容易得到不好的结果。 但不要气馁！
Disco Diffusion (DD)（当前版本为 5.2）起初令人望而生畏且难以理解。但只要一点点学习，你最终就能完全理解。
本指南假设您了解使用 Google 的 Colab 服务访问和运行jupyter文件的基础知识。如果您并不了解，请先查看附录中的一些推荐资源以进行学习。
初始设置后，您就可以开始创建自己的图像了！DD有很多选项，但如果您只想输入提示并使用默认设置生成图像：
K80 / T4 / P100 / V100 / A100
BC链 http://www.chinabic.com/?id=237 转载需授权！
网友评论