第1章初見(jiàn)：開(kāi)啟 AI繪畫(huà)之旅 1.1 AI繪畫(huà)的定義與發(fā)展史 002 1.1.1 AI繪畫(huà)的定義 002 1.1.2 AI繪畫(huà)的發(fā)展史 002 1.2 主流的 AI繪畫(huà)工具 003 1.2.1 Stable Diffusion 004 1.2.2 DALL-E 2 006 1.2.3 Midjourney 006 1.2.4 文心一格 007 1.2.5 Firefly 008 第2章入手：Stable Diffusion部署與安裝 2.1 Stable Diffusion本地部署的要求 010 2.1.1 系統(tǒng)要求 010 2.1.2 環(huán)境要求 010 2.2 Stable Diffusion下載與安裝 011 第3章認(rèn)知：5種模型解析與案例 3.1大模型：效果豐富多樣的主模型 016 3.1.1 確認(rèn)大模型文件的信息和位置 016 3.1.2 大模型的下載 016 3.1.3 大模型文件的載入 017 3.2 LoRA：大模型輕量級(jí)微調(diào) 019 3.2.1 LoRA的下載 019 3.2.2 LoRA的載入 020 3.3 Embedding：個(gè)性化微調(diào)模型打包提示詞 021 3.3.1 Embedding的下載 021 3.3.2 Embedding的載入 022 3.4 VAE美化模型 022 3.5 Hypernetwork風(fēng)格化微調(diào)模型 023 第4章上手實(shí)戰(zhàn)：文生圖 4.1提示詞與反向提示詞 026 4.1.1 提示詞的描述邏輯列舉 026 4.1.2 反向提示詞的描述邏輯列舉 026 4.2 提示詞語(yǔ)法解析 027 4.2.1 表達(dá)形式 027 4.2.2 輸入格式 027 4.2.3 權(quán)重 027 4.2.4 混合語(yǔ)法 028 4.3 提示詞輔助功能 028 4.4 采樣器 029 4.4.1 采樣迭代步數(shù) 029 4.4.2 采樣方法 030 4.4.3 采樣器的使用 030 4.5 面部修復(fù)與高清修復(fù) 030 4.5.1 面部修復(fù) 030 4.5.2 高清修復(fù) 032 4.6 高度與寬度 033 4.7 生成批次與每批數(shù)量 034 4.8 提示詞相關(guān)性 035 4.9 隨機(jī)種子與差異隨機(jī)種子 035 4.9.1 隨機(jī)種子 035 4.9.2 差異隨機(jī)種子 037 第5章上手實(shí)戰(zhàn)：圖生圖 5.1 圖生圖基礎(chǔ)功能解析 040 5.1.1 圖片上傳 040 5.1.2 圖生圖提示詞補(bǔ)充 040 5.1.3 縮放模式 041 5.1.4 重繪幅度 045 5.2 繪圖模式詳解 047 5.3 局部重繪模式 048 5.3.1局部重繪基礎(chǔ)用法 048 5.3.2 蒙版模糊 049 5.3.3 蒙版模式 050 5.3.4 蒙版蒙住的內(nèi)容 051 5.3.5 重繪區(qū)域 052 5.3.6 僅蒙版模式的邊緣預(yù)留像素 053 5.4 局部重繪（手涂蒙版）模式 054 5.4.1 局部重繪（手涂蒙版）工作原理 054 5.4.2 蒙版透明度 056 5.5 局部重繪（上傳蒙版） 057 5.6 批量處理技巧與應(yīng)用 059 第6章更多擴(kuò)展：其他基礎(chǔ)功能 6.1 X/Y/Z圖表 062 6.1.1 軸類(lèi)型和軸值 062 6.1.2 其他參數(shù) 064 6.2 提示詞矩陣 065 6.2.1 語(yǔ)法 065 6.2.2 參數(shù)設(shè)置 066 6.3 批量載入提示詞 067 6.4 附加功能 069 6.4.1 圖片上傳 069 6.4.2 縮放方式 070 6.4.3 圖片放大 071 6.5 圖片信息 072 6.6 提示詞反推的三種模式 073 6.6.1 CLIP反推提示詞 074 6.6.2 DeepBooru反推提示詞 076 6.6.3 Tag反推提示詞 076 第7章精準(zhǔn)進(jìn)階：插件 ControlNet功能解析 7.1 ControlNet的設(shè)計(jì)原理 082 7.2 ControlNet的安裝 082 7.2.1 ControlNet插件安裝 083 7.2.2 ControlNet模型安裝 085 7.2.3 通用參數(shù)詳解 087 7.3 ControlNet功能分類(lèi) 090 7.3.1線(xiàn)條約束 090 7.3.2深度約束 100 7.3.3 法線(xiàn)約束 101 7.3.4 色彩分布約束 103 7.3.5 姿勢(shì)約束 105 7.3.6 內(nèi)容約束 112 7.4 IP2P（指令修改） 115 7.5 Shuffle（洗牌模式） 118 7.6 Inpaint（局部重繪） 119 7.7 Tile（分塊重采樣） 121 7.8 Reference（參考模式） 122 第8章最創(chuàng)意：游戲美術(shù)設(shè)計(jì) 8.1 AI繪畫(huà)在游戲行業(yè)中的應(yīng)用與優(yōu)勢(shì) 126 8.2 多視圖設(shè)計(jì) 126 8.3 原畫(huà)生成 130 8.4 游戲場(chǎng)景設(shè)計(jì) 132 8.5 icon設(shè)計(jì) 135 8.6 VR場(chǎng)景渲染 137 第9章超高效：電商模特與產(chǎn)品設(shè)計(jì) 9.1 AI繪畫(huà)在電商行業(yè)中的應(yīng)用 140 9.2 隨機(jī) AI模特生成 140 9.3 指定 AI模特臉部特征 142 9.4 衣服鞋帽類(lèi)產(chǎn)品上身展示 144 9.5 電商產(chǎn)品主圖 148 9.6 直播間背景 149 第10章人人都是插畫(huà)師：插畫(huà)設(shè)計(jì) 10.1 線(xiàn)稿生成案例解析 152 10.2 圖像轉(zhuǎn)線(xiàn)稿再重新上色 153 10.3 小說(shuō)插畫(huà) 156 10.4 圖片擴(kuò)充 160 10.5 AI輔助海報(bào)生成 163 第11章建筑繪圖不再難：建筑設(shè)計(jì) 11.1 建筑設(shè)計(jì)線(xiàn)稿生成 166 11.2 建筑外觀(guān)設(shè)計(jì)線(xiàn)稿上色 170 11.3 室內(nèi)設(shè)計(jì)效果圖 175 11.4 室內(nèi)設(shè)計(jì)線(xiàn)稿圖 176 第12章更多應(yīng)用：其他行業(yè)設(shè)計(jì) 12.1 婚慶公司風(fēng)格化結(jié)婚照 182 12.2 舊照片修復(fù) 185 12.3 圖片風(fēng)格轉(zhuǎn)換 186 第13章思考：AI繪畫(huà)存在的問(wèn)題與展望 13.1 版權(quán)與倫理問(wèn)題 190 13.1.1 AI生成作品的版權(quán)歸屬 190 13.1.2 倫理與道德的考量 190 13.1.3 可能的解決方案與政策建議 191 13.2 AI繪畫(huà)濫用的法律風(fēng)險(xiǎn) 191 13.2.1 新形式詐騙 191 13.2.2 藝術(shù)仿制品搖籃 191 13.3 影響與展望 192 13.3.1 AI繪畫(huà)對(duì)藝術(shù)世界的長(zhǎng)遠(yuǎn)影響 192 13.3.2 藝術(shù)與技術(shù)共生：未來(lái) AI繪畫(huà)的可持續(xù)發(fā)展 192