Stable Diffusion

使用该平台非常简单，只需选择您想要的图像类型，例如人物、场景、动物等等，然后输入相关的描述或关键词，系统就会根据您的输入自动生成相应的图片。此外，该平台还提供了多种风格和主题的选项，能够让用户更好地定制化自己想要的图片。

Stable Diffusion是一个AI图像生成应用，可以通过简单的文本提示输入，模拟和重建几乎任何以视觉形式表达的概念。该应用提供了基于网页浏览器的前端交互，利用Gradio模块创建的交互程序，让用户在低代码GUI中轻松访问Stable Diffusion的功能。Stable Diffusion Web UI提供了多种功能，例如txt2img、img2img、inpaint等，以及多种模型融合改进、图片质量修复等升级功能。通过调整相关参数，可以生成不同的效果，用户可以根据自己的需要和喜好在本地客户端进行AI创作。此外，用户可以通过Stable Diffusion Web UI训练自己的模型，它提供了多种训练方式，让用户掌握相关训练方法，并能够自己制作模型。

Stable Diffusion官网:

https://beta.dreamstudio.ai/generate

https://stablediffusionweb.com/

工作原理

下面是 Stable Diffusion 工作原理的概述。

Stable Diffusion 用途多样，是一款多功能模型。首先它可以根据文本生成图像(text2img)。上图是从文本输入到图像生成的示例。除此之外，我们还可以使用 Stable Diffusion 来替换、更改图像（这时我们需要同时输入文本和图像）。

下面是 Stable Diffusion 的内部结构，了解内部结构可以让我们更好地理解 Stable Diffusion 的组成、各组成部分的交互方式、以及各种图像生成选项/参数的含义。

1、Stable Diffusion 的组成

Stable Diffusion 并不是一个单一模型，而是由多个部分和模型一起构成的系统。

从内部来看，首先我们可以看到一个文本理解组件，这个组件将文本信息转化为数字表示（numeric representation）以捕捉文本意图。

这部分主要对 ML 进行大概介绍，文章后续还会讲解更多细节。可以说这个文本理解组件（文本编码器）是一个特殊的 Transformer 语言模型（严格来说它是一个 CLIP 模型的文本编码器）。将文本输入到 Clip 文本编码器得到特征列表，对于文本中的每一个 word/token 都有会得到一个向量特征。

然后将文本特征作为图像生成器的输入，图像生成器又由几部分组成。

图像生成器两步骤：

1-图像信息创建器（Image information creator） 图像信息创建器是 Stable Diffusion 特有的关键部分，也是其性能远超其他模型的原因。

图像信息创建器运行多个 step 生成图像信息。Stable Diffusion 接口（interfaces）和库（libraries）的 step 参数一般默认为 50 或 100。

图像信息创建器完全在图像信息空间（亦称潜在空间）上运行，这让 Stable Diffusion 比以前在像素空间（pixel space）上运行的扩散模型速度更快。从技术上讲，图像信息创建器由 UNet 神经网络和调度算法组成。

“扩散”一词描述了图像信息创建器中发生的事情。因为图像信息创建器对信息作了逐步处理，所以图像解码器（image decoder）才能随后产出高质量图像。