在谈论 Stable Diffusion 之前，有必要了解一下 AI 绘画的演变。
早在 2012 年，由中国科学家 Andrew Ng 领导的团队就训练了当时世界上最大的深度学习网络。 该网络能够学会自主识别猫等物体，并在短短三天内绘制出一张模糊但可识别的猫图。 虽然这个是模糊的，但它展示了深度学习在图像识别方面的潜力。
2014年，加拿大蒙特利尔大学的谷歌科学家伊恩·古德费罗（Ian Goodfellow）提出了一种生成对抗网络GAN的算法，成为AI生成绘画的主流方向。 GaN的工作原理是训练生成器和判别器两个深度神经网络模型，使生成器能够生成与真实数据相似的新数据样本，判别器可以准确区分生成器生成的假样本和真实数据。 GaN的核心思想是生成器试图欺骗鉴别器，鉴别器试图区分真假，两者相互争斗，相互配合，实现高质量的数据生成。
2016年，第一个GAN到图像模型GAN-int-CLS发布，证明了GANs从文本生成图像的可行性，为各种基于GAN的条件图像生成模型的出现打开了大门。 然而，氮化镓在训练过程中容易出现不稳定或崩溃，因此难以大规模应用。
同年10月，NVIDIA提出了Progressivegan，通过逐渐增加神经网络的规模来生成高分辨率图像，使模型训练更容易，生成质量也提高了，为后来Stylegan的崛起铺平了道路。
2017年，谷歌发表了著名的**“Attention is All You Need”，提出了Transformer结构，随后在自然语言处理领域大放异彩; 虽然 Transformer 旨在解决自然语言处理问题，但它在图像生成领域也显示出巨大的潜力。 2020年，他们提出了VIT的概念，试图在计算机视觉中用Transformer结构取代传统的卷积神经网络CNN结构。
2020年的情况变得更糟。 加州大学伯克利分校提出了著名的去噪扩散概率模型DDPM，该模型简化了原始模型的损失函数，将训练目标转换为当前步骤添加的噪声信息，大大降低了训练难度，并将网络模块从全卷积网络替换为UNET，提高了模型的表现能力。
2021 年 1 月，OpenAI 发布了基于 VQVAE 模型的 Dall-E 和 Clip 模型，即对比语言-图像预训练，分别用于文本到图像的生成和文本到图像的对比学习。 这似乎第一次让人工智能真正“理解”了人类的描述并创造了它们，引发了人们对人工智能绘画的空前热情。 2021 年 10 月，谷歌发布了 Disco Diffusion 模型，以其惊人的图像生成开启了扩散模型的时代。
2022 年 2 月，Disco Diffusion 上线，这是一个基于扩散模型的 AI 绘图生成器，由一些开源社区的工程师开发。 从此，AI绘画进入了快速发展的轨道，潘多拉魔盒被打开了。 Disco Diffusion 比传统的 AI 模型更容易使用，随着研究人员建立完善的帮助文档和社区，越来越多的人开始关注它。 同年3月，由Disco Diffusion核心开发者共同开发的AI生成器Midjourney正式发布。 Midjourney选择在Discord平台上上电，借助聊天式的人机交互，操作更简单，无需复杂的参数调整，只需在聊天窗口中输入文字即可生成图像。
更重要的是，Midjourney 生成的结果非常惊人，以至于普通人几乎无法判断生成的艺术品是否是由 AI 绘制的。 Midjourney上映五个月后，美国科罗拉多州博览会的一场艺术比赛选出了艺术比赛的结果，一幅名为《太空歌剧》的画作获得了第一名，但它不是人类艺术家的作品，而是由一个名为Midjourney的人工智能创作的。
当参赛者宣布这幅作品是由人工智能绘制时，引发了许多人类画家的愤怒和焦虑。
2022 年 4 月 10 日，前面提到的 OpenAI 的 DALL·e 2 发布。 无论是 Disco Diffusion 还是 Midjourney，它们都是 AI 生成的，但 Dall·E 2 与人类作品没有区别。
July 29， 2022， 通过 稳定性由一家 AI 公司开发的 Stable Diffusion 的 AI 生成器已开始内部测试。 结果发现，用它生成的 AI 绘画的质量与 Dall·e 2 相当，并且限制较少。 Stable Diffusion 的内测分为四波，邀请了 15,000 名用户，短短十天后，通过它产生了 1700 万**。 至关重要的是，Stable Diffusion 背后的公司 Stability AI 坚持开源理念，“AI 由人民创造，为人民服务”，这意味着任何人都可以在本地部署自己的 AI 绘画生成器，真正实现每个人都可以“只要你能说话就创造一幅画”。 开源社区 HuggingFace 迅速适应，让个人更容易部署; 开源工具stable-diffusion-webui集成了多种图像生成工具，甚至可以在网络端对模型进行微调和训练个人模型，得到了好评和反响3拥有 40,000 颗恒星，扩散生成模型已经完全脱离了大规模服务，进入了个人部署。
2022 年 11 月，稳定扩散 20 发布，新版本生成的分辨率是原来的 4 倍，生成速度更快。
基于潜在扩散模型，稳定扩散将最耗时的扩散过程置于低维潜变量空间中，大大降低了算力要求和个人部署的门槛。 它使用潜空间编码缩减因子 8，换句话说，图像的长度和宽度减少了原始大小的八分之一，例如，512512的图像直接在潜空间中变为 6464，从而节省了 64 倍的内存！ 除此之外，Stable Diffusion 还降低了性能要求。 您不仅可以快速（在几秒钟内）生成详细、512512的图像，而且只需要一个 NVIDIA 级 8GB 2060 显卡。 如果没有这种空间压缩转换，它将需要具有 512GB 显存的超级显卡。 根据显卡硬件的演进，消费者至少需要8-10年的时间才能享受到这类应用。 算法的这次重要迭代，提前将AI绘画带入了每个人的生活。
在本文中，我们将了解稳定扩散的演变以及它是如何演变的。 如果你也是AI绘画的粉丝，请随时与我交谈**。 未来，我会继续更新这个系列，分享Stable Diffusion的教程和其他AI绘画软件的教学内容。 如果您喜欢这些内容，请***感谢您的阅读，期待下一期再次见到您！
极致科技，全称极德数据（北京）科技***是一家专注于实时搜索和数据分析的软件公司。 其品牌 Infini Labs 致力于创造终极易于使用的数据探索和分析体验。
极致科技是一支采用自然分布式方式进行远程协作的年轻团队，员工遍布全球，希望成为中国乃至全球企业大数据实时搜索分析产品的首选，为中国科技品牌的输出贡献力量。
官方网站：