博客來
AIGC的應用領域日益廣泛，而在圖像生成領域，擴散模型則是AIGC技術的一個重要應用。本書以擴散模型理論知識為切入點，由淺入深地介紹了擴散模型的相關知識，並以大量生動有趣的實戰案例説明讀者理解擴散模型的相關細節。全書共8章，詳細介紹了擴散模型的原理，以及擴散模型退化、採樣、DDIM反轉等重要概念與方法，此外還介紹了Stable Diffusion、ControlNet與音訊擴散模型等內容。最後，附錄提供由擴散模型生成的高品質圖像集以及Hugging Face社區的相關資源。
本書既適合所有對擴散模型感興趣的AI研究人員、相關科研人員以及在工作中有繪圖需求的從業人員閱讀，也可以作為電腦等相關專業學生的參考書。
| FindBook |
有 1 項符合
擴散模型：從原理到實戰的圖書 |
| 圖書館借閱 |
| 國家圖書館 | 全國圖書書目資訊網 | 國立公共資訊圖書館 | 電子書服務平台 | MetaCat 跨館整合查詢 |
| 臺北市立圖書館 | 新北市立圖書館 | 基隆市公共圖書館 | 桃園市立圖書館 | 新竹縣公共圖書館 |
| 苗栗縣立圖書館 | 臺中市立圖書館 | 彰化縣公共圖書館 | 南投縣文化局 | 雲林縣公共圖書館 |
| 嘉義縣圖書館 | 臺南市立圖書館 | 高雄市立圖書館 | 屏東縣公共圖書館 | 宜蘭縣公共圖書館 |
| 花蓮縣文化局 | 臺東縣文化處 |
|
|
圖書介紹 - 資料來源：博客來 評分：
圖書名稱：擴散模型：從原理到實戰
內容簡介
作者介紹
李忻瑋，碩士畢業于美國常春藤盟校之一的哥倫比亞大學資料科學專業，現任聲網人工智慧算法工程師；主要研究方向是生成式人工智慧、電腦視覺、自然語言處理、提示工程等。 蘇步升，擴散模型算法工程師，AIGC創業者，Hugging Face中國社區當地語系化工作組成員。
徐浩然，畢業于中國海洋大學電子資訊工程專業，現任聲網音訊算法工程師，從事揚聲器聲學設計、音訊增強算法、音訊品質評估算法等研究工作。
余海銘，本科畢業于暨南大學，碩士畢業于加州大學爾灣分校；先後在中國科學院深圳先進技術研究院、愛奇藝、美團等單位工作；主要研究方向是圖像識別、圖像生成、多模態及自動駕駛等領域。
徐浩然，畢業于中國海洋大學電子資訊工程專業，現任聲網音訊算法工程師，從事揚聲器聲學設計、音訊增強算法、音訊品質評估算法等研究工作。
余海銘，本科畢業于暨南大學，碩士畢業于加州大學爾灣分校；先後在中國科學院深圳先進技術研究院、愛奇藝、美團等單位工作；主要研究方向是圖像識別、圖像生成、多模態及自動駕駛等領域。
目錄
第1章 擴散模型簡介 1
1.1 擴散模型的原理 1
1.1.1 生成模型 1
1.1.2 擴散過程 2
1.2 擴散模型的發展 5
1.2.1 開始擴散：基礎擴散模型的提出與改進 6
1.2.2 加速生成：採樣器 6
1.2.3 刷新紀錄：基於顯式分類器引導的擴散模型 7
1.2.4 引爆網路：基於CLIP的多模態圖像生成 8
1.2.5 再次“出圈”：大模型的“再學習”方法——DreamBooth、LoRA和ControlNet 8
1.2.6 開啟AI作畫時代：眾多商業公司提出成熟的圖像生成解決方案 10
1.3 擴散模型的應用 12
1.3.1 電腦視覺 12
1.3.2 時序資料預測 14
1.3.3 自然語言 15
1.3.4 基於文本的多模態 16
1.3.5 AI基礎科學 19
第2章 Hugging Face簡介 21
2.1 Hugging Face核心功能介紹 21
2.2 Hugging Face開源庫 28
2.3 Gradio工具介紹 30
第3章 從零開始搭建擴散模型 33
3.1 環境準備 33
3.1.1 環境的創建與導入 33
3.1.2 資料集測試 34
3.2 擴散模型之退化過程 34
3.3 擴散模型之訓練 36
3.3.1 UNet網路 36
3.3.2 開始訓練模型 38
3.4 擴散模型之採樣過程 41
3.4.1 採樣過程 41
3.4.2 與DDPM的區別 44
3.4.3 UNet2DModel模型 44
3.5 擴散模型之退化過程示例 57
3.5.1 退化過程 57
3.5.2 最終的訓練目標 59
3.6 拓展知識 60
3.6.1 時間步的調節 60
3.6.2 採樣（取樣）的關鍵問題 61
3.7 本章小結 61
第4章 Diffusers實戰 62
4.1 環境準備 62
4.1.1 安裝Diffusers庫 62
4.1.2 DreamBooth 64
4.1.3 Diffusers核心API 66
4.2 實戰：生成美麗的蝴蝶圖像 67
4.2.1 下載蝴蝶圖像集 67
4.2.2 擴散模型之調度器 69
4.2.3 定義擴散模型 70
4.2.4 創建擴散模型訓練迴圈 72
4.2.5 圖像的生成 75
4.3 拓展知識 77
4.3.1 將模型上傳到Hugging Face Hub 77
4.3.2 使用Accelerate庫擴大訓練模型的規模 79
4.4 本章小結 81
第5章 微調和引導 83
5.1 環境準備 86
5.2 載入一個預訓練過的管線 87
5.3 DDIM——更快的採樣過程 88
5.4 擴散模型之微調 91
5.4.1 實戰：微調 91
5.4.2 使用一個最小化示例程式來微調模型 96
5.4.3 保存和載入微調過的管線 97
5.5 擴散模型之引導 98
5.5.1 實戰：引導 100
5.5.2 CLIP引導 104
5.6 分享你的自訂採樣訓練 108
5.7 實戰：創建一個類別條件擴散模型 111
5.7.1 配置和資料準備 111
5.7.2 創建一個以類別為條件的UNet模型 112
5.7.3 訓練和採樣 114
5.8 本章小結 117
第6章 Stable Diffusion 118
6.1 基本概念 118
6.1.1 隱式擴散 118
6.1.2 以文本為生成條件 119
6.1.3 無分類器引導 121
6.1.4 其他類型的條件生成模型：Img2Img、Inpainting與Depth2Img模型 122
6.1.5 使用DreamBooth進行微調 123
6.2 環境準備 124
6.3 從文本生成圖像 125
6.4 Stable Diffusion Pipeline 128
6.4.1 可變分自編碼器 128
6.4.2 分詞器和文本編碼器 129
6.4.3 UNet 131
6.4.4 調度器 132
6.4.5 DIY採樣迴圈 134
6.5 其他管線介紹 136
6.5.1 Img2Img 136
6.5.2 Inpainting 138
6.5.3 Depth2Image 139
6.6 本章小結 140
第7章 DDIM反轉 141
7.1 實戰：反轉 141
7.1.1 配置 141
7.1.2 載入一個預訓練過的管線 142
7.1.3 DDIM採樣 143
7.1.4 反轉 147
7.2 組合封裝 153
7.3 ControlNet的結構與訓練過程 158
7.4 ControlNet示例 162
7.4.1 ControlNet與Canny Edge 162
7.4.2 ControlNet與M-LSD Lines 162
7.4.3 ControlNet與HED Boundary 163
7.4.4 ControlNet與塗鴉畫 164
7.4.5 ControlNet與人體關鍵點 164
7.4.6 ControlNet與語義分割 164
7.5 ControlNet實戰 165
7.6 本章小結 174
第8章 音訊擴散模型 175
8.1 實戰：音訊擴散模型 175
8.1.1 設置與導入 175
8.1.2 在預訓練的音訊擴散模型管線中進行採樣 176
8.1.3 從音訊到頻譜的轉換 177
8.1.4 微調管線 180
8.1.5 訓練迴圈 183
8.2 將模型上傳到Hugging Face Hub 186
8.3 本章小結 187
附錄A 精美圖像集展示 188
附錄B Hugging Face相關資源 202
1.1 擴散模型的原理 1
1.1.1 生成模型 1
1.1.2 擴散過程 2
1.2 擴散模型的發展 5
1.2.1 開始擴散：基礎擴散模型的提出與改進 6
1.2.2 加速生成：採樣器 6
1.2.3 刷新紀錄：基於顯式分類器引導的擴散模型 7
1.2.4 引爆網路：基於CLIP的多模態圖像生成 8
1.2.5 再次“出圈”：大模型的“再學習”方法——DreamBooth、LoRA和ControlNet 8
1.2.6 開啟AI作畫時代：眾多商業公司提出成熟的圖像生成解決方案 10
1.3 擴散模型的應用 12
1.3.1 電腦視覺 12
1.3.2 時序資料預測 14
1.3.3 自然語言 15
1.3.4 基於文本的多模態 16
1.3.5 AI基礎科學 19
第2章 Hugging Face簡介 21
2.1 Hugging Face核心功能介紹 21
2.2 Hugging Face開源庫 28
2.3 Gradio工具介紹 30
第3章 從零開始搭建擴散模型 33
3.1 環境準備 33
3.1.1 環境的創建與導入 33
3.1.2 資料集測試 34
3.2 擴散模型之退化過程 34
3.3 擴散模型之訓練 36
3.3.1 UNet網路 36
3.3.2 開始訓練模型 38
3.4 擴散模型之採樣過程 41
3.4.1 採樣過程 41
3.4.2 與DDPM的區別 44
3.4.3 UNet2DModel模型 44
3.5 擴散模型之退化過程示例 57
3.5.1 退化過程 57
3.5.2 最終的訓練目標 59
3.6 拓展知識 60
3.6.1 時間步的調節 60
3.6.2 採樣（取樣）的關鍵問題 61
3.7 本章小結 61
第4章 Diffusers實戰 62
4.1 環境準備 62
4.1.1 安裝Diffusers庫 62
4.1.2 DreamBooth 64
4.1.3 Diffusers核心API 66
4.2 實戰：生成美麗的蝴蝶圖像 67
4.2.1 下載蝴蝶圖像集 67
4.2.2 擴散模型之調度器 69
4.2.3 定義擴散模型 70
4.2.4 創建擴散模型訓練迴圈 72
4.2.5 圖像的生成 75
4.3 拓展知識 77
4.3.1 將模型上傳到Hugging Face Hub 77
4.3.2 使用Accelerate庫擴大訓練模型的規模 79
4.4 本章小結 81
第5章 微調和引導 83
5.1 環境準備 86
5.2 載入一個預訓練過的管線 87
5.3 DDIM——更快的採樣過程 88
5.4 擴散模型之微調 91
5.4.1 實戰：微調 91
5.4.2 使用一個最小化示例程式來微調模型 96
5.4.3 保存和載入微調過的管線 97
5.5 擴散模型之引導 98
5.5.1 實戰：引導 100
5.5.2 CLIP引導 104
5.6 分享你的自訂採樣訓練 108
5.7 實戰：創建一個類別條件擴散模型 111
5.7.1 配置和資料準備 111
5.7.2 創建一個以類別為條件的UNet模型 112
5.7.3 訓練和採樣 114
5.8 本章小結 117
第6章 Stable Diffusion 118
6.1 基本概念 118
6.1.1 隱式擴散 118
6.1.2 以文本為生成條件 119
6.1.3 無分類器引導 121
6.1.4 其他類型的條件生成模型：Img2Img、Inpainting與Depth2Img模型 122
6.1.5 使用DreamBooth進行微調 123
6.2 環境準備 124
6.3 從文本生成圖像 125
6.4 Stable Diffusion Pipeline 128
6.4.1 可變分自編碼器 128
6.4.2 分詞器和文本編碼器 129
6.4.3 UNet 131
6.4.4 調度器 132
6.4.5 DIY採樣迴圈 134
6.5 其他管線介紹 136
6.5.1 Img2Img 136
6.5.2 Inpainting 138
6.5.3 Depth2Image 139
6.6 本章小結 140
第7章 DDIM反轉 141
7.1 實戰：反轉 141
7.1.1 配置 141
7.1.2 載入一個預訓練過的管線 142
7.1.3 DDIM採樣 143
7.1.4 反轉 147
7.2 組合封裝 153
7.3 ControlNet的結構與訓練過程 158
7.4 ControlNet示例 162
7.4.1 ControlNet與Canny Edge 162
7.4.2 ControlNet與M-LSD Lines 162
7.4.3 ControlNet與HED Boundary 163
7.4.4 ControlNet與塗鴉畫 164
7.4.5 ControlNet與人體關鍵點 164
7.4.6 ControlNet與語義分割 164
7.5 ControlNet實戰 165
7.6 本章小結 174
第8章 音訊擴散模型 175
8.1 實戰：音訊擴散模型 175
8.1.1 設置與導入 175
8.1.2 在預訓練的音訊擴散模型管線中進行採樣 176
8.1.3 從音訊到頻譜的轉換 177
8.1.4 微調管線 180
8.1.5 訓練迴圈 183
8.2 將模型上傳到Hugging Face Hub 186
8.3 本章小結 187
附錄A 精美圖像集展示 188
附錄B Hugging Face相關資源 202
|
