稳定扩散技术简介
内容提要
GPT-3的引入标志着生成AI（GenAI）革命的开始。稳定扩散是GenAI家族中的一员，具有自定义性、可在自己的硬件上运行和不断改进的特点。稳定扩散在从文本和现有图像生成图像方面取得了显著成功。稳定扩散通过投影输入到降维潜在空间中，通过编码器和解码器网络减少计算需求。可以通过WebUI和CompfyUI两种方式在计算机上使用稳定扩散。
延伸解读
稳定扩散与GAN的差异
文章指出，在稳定扩散之前，图像生成主要依赖生成对抗网络（GAN），其中生成器和判别器相互竞争。而扩散模型采用不同的思路：通过前向扩散逐步添加噪声，再通过反向扩散从噪声中恢复图像。这种基于马尔可夫链的逐步过程，使扩散模型在生成质量上表现出色，但也带来了更高的计算需求。
潜在空间带来的效率提升
稳定扩散的核心创新在于不在高维像素空间直接进行扩散，而是先用编码器将输入投影到低维潜在空间，在那里执行扩散过程，最后用解码器还原为图像。这样做大幅降低了训练和推理的计算负担，使得在个人硬件上运行成为可能。文章也提醒，稳定扩散计算量依然较大，需要性能较好的GPU才能流畅运行。
本地部署的注意事项
文章介绍了通过WebUI在本地安装稳定扩散的步骤，包括安装依赖、克隆GitHub仓库、下载模型检查点等。需要注意的是，WebUI本身不包含模型，必须从HuggingFace等来源下载.ckpt或.safetensors文件，并放入指定目录。此外，WebUI不会自动更新，需手动执行git pull来获取最新版本。
模型版本与配置要点
不同版本的稳定扩散模型对配置有不同要求。例如，2.0和2.1版本需要同时下载模型和对应的配置文件（如v2-inference-v.yaml），并确保文件名匹配。生成图像时，2.x版本建议将宽高设置为768或更高，而深度模型则适合512或更高。这些细节影响模型能否正常运行和输出质量。
Q&A
稳定扩散技术的主要特点是什么？
稳定扩散技术具有自定义性、可在本地硬件上运行和不断改进的特点。
稳定扩散是如何生成图像的？
稳定扩散通过将输入投影到降维潜在空间中，利用编码器和解码器网络生成图像。
如何在计算机上安装稳定扩散的WebUI？
可以通过从GitHub下载相关库并满足先决条件来安装稳定扩散的WebUI。
稳定扩散的前向扩散和反向扩散过程是什么？
前向扩散是通过在原始图像上叠加噪声生成噪声图像，反向扩散则是从噪声图像逐步生成清晰图像。
稳定扩散与其他生成AI模型相比有什么优势？
稳定扩散通过在低维潜在空间中处理输入，降低了计算需求，提升了效率。
如何下载稳定扩散模型？
可以通过Hugging Face选择感兴趣的模型并下载相应的文件，确保放置在指定目录。
