图片构成
RGB原理
每一种颜色都包含了R,G,B三个值，由R,G,B三原色可以构成我们肉眼可见的所有颜色！
像素
1、组成图片的最小单位；
2、每个像素都是一个正方形的小方块；
3、像素无法再被分割；
4、每一个像素只有一种颜色，也就是说每个像素只有一个（套）固定的R,G,B值，这个值就是用0-255中的三个数字表示的值；
5、在一张图片中，每一个像素都有独一无二的坐标值；
例如：一张512*512的图片，就是由512*512个像素构成，由于每个像素具有R,G,B三个值，因此，一张512*512的图片，拥有512*512*3=786432个表示颜色的数字；
Diffusion(弄懂AI怎样生成图片)
研究人员对图片加噪点，让图片逐渐变成纯噪点图；
再让 AI 学习这个过程的逆过程，也就是如何从一张噪点图得到一张有信息的高清图。
这个模型就是 AI 绘画中的扩散模型（Diffusion Model）
米开朗基罗：塑像本来就在石头里，我只是把不要的部分去掉。
CLIP(弄懂AI生成什么样的图片)
CLIP是Contrastive Language-Image Pre-Training的缩写，是“对比式语言-文字预训练”的意思；
人类可以很轻松地完成下面的图片与文本相匹配的连线
而AI需要经过海量的图片与文本相匹配的学习才能达到同样的效果！
“海量”具体是多大？
举个例子：现在最大的图片生成模型总共学习了58.5亿张图片
Latent Space(了解AI巧学巧生图片的方法)
在AI学习认识图片的过程中，会将不同的图片根据不同的文本描述内容映射到潜在空间（Latent Space），然后才会进行扩散和逆扩散学习，形象地理解，如下图所示：
文本描述越相近的物体，在这个潜在空间中的位置就越接近。
这样处理的好处是：
1、可以通过文字描述来分类、索引和生成图片；
2、减少AI生成图片时的计算量，可以根据文本描述迅速定位到与描述最接近的图片；
原创文章，作者：朋远方，如若转载，请注明出处：https://caovan.com/aihuihuayuanlijieshao/.html
微信扫一扫 