AI绘画模型训练与风格迁移实战
📘 30章 · 从入门到项目
01
AI绘画概述
生成式AI发展史
GAN/VAE/Diffusion对比 · 原理简介
02
环境搭建
Python · CUDA
PyTorch安装 · cuDNN · 依赖库管理
03
数据准备
收集 · 清洗
数据增强 · 标注 · DataLoader构建
04
卷积神经网络基础
CNN
卷积/池化/激活 · ResNet · VGG
05
生成对抗网络 (GAN)
原理
生成器/判别器 · 训练技巧 · 模式崩溃
06
DCGAN实战
深度卷积GAN
代码解析 · 训练可视化 · 评估
07
条件GAN (cGAN)
条件生成
标签嵌入 · 类别控制 · 应用场景
08
CycleGAN与风格迁移
循环一致性
非配对翻译 · 风格迁移原理
09
CycleGAN实战
代码实现
数据集 · 训练流程 · 效果展示
10
变分自编码器 (VAE)
概率生成
重参数化 · ELBO · VAE变体
11
扩散模型基础
前向/逆向
马尔可夫链 · 噪声调度
12
DDPM原理
去噪扩散
U-Net · 时间步嵌入 · 损失函数
13
DDPM实战
模型搭建
训练循环 · 采样生成 · 质量分析
14
潜在扩散模型 (LDM)
潜在空间
感知压缩 · 交叉注意力 · SD基础
15
Stable Diffusion架构
文本编码器
U-Net · VAE解码器 · 调度器
16
LoRA微调技术
低秩适配
参数配置 · 训练脚本 · 权重合并
17
DreamBooth技术
个性化生成
先验保留 · 类特定优化 · 实例
18
ControlNet控制
条件控制
Canny边缘 · 姿态估计 · 深度图
19
Textual Inversion
文本嵌入
伪词训练 · 风格/对象定制
20
超分辨率重建
SRGAN
ESRGAN · Real-ESRGAN · 感知损失
21
图像修复与补全
掩码生成
修复网络 · 部分卷积 · 注意力
22
神经风格迁移
Gram矩阵
内容/风格损失 · VGG特征
23
快速风格迁移
感知损失
前馈网络 · 实时推理 · 模型压缩
24
自适应风格迁移
AdaIN
WCT · 动态风格化 · 多风格融合
25
视频风格迁移
时序一致
光流约束 · 帧间平滑 · 视频生成
26
模型评估指标
FID · IS
LPIPS · PSNR · SSIM · 用户研究
27
模型部署与优化
ONNX
TensorRT · 量化 · 剪枝 · 蒸馏
28
AIGC伦理与安全
版权 · 深度伪造
水印技术 · 负责任AI
29
项目实战1
LoRA二次元角色
定制生成系统 · 完整流程
30
项目实战2
CycleGAN写实转动漫
风格迁移平台 · 部署展示