《生成式AI绘画：Stable Diffusion从基础到实战》一书用简洁而又生动的语言，全方位地解读了生成式人工智能绘画的原理、历史沿革、伦理道德等，同时，通过对Stable Diffusion平台的全面介绍，以经典案例和典型行业应用（建筑设计、动漫设计、平面设计）为载体，解读了用人工智能进行绘画的思路与步骤，内容包含了文生图、图生图、图生文等，让读者在学习平台操作流程的同时，理清AI绘画的底层逻辑，即知其然也要知其所以然，全面且细致、有趣又有吸引力。
本书适合使用AI工具辅助工作的设计人员、绘画创作者阅读学习，对AI绘画感兴趣的人群也可以阅读，同时，本书也可以作为AI绘画专业的教材使用。

龚超，清华大学日本研究中心，主任助理，工学博士，清华大学日本研究中心主任助理、未来基因(北京)人工智能研究院首席专家、深圳清华大学研究院下一代互联网研发中心核心成员、教育部教育信息化教学应用实践共同体项目特聘专家、中国人工智能学会中小学工作委员会委员。研究方向为人工智能算法，人工智能在数字化转型中的应用等，著有多本人工智能相关图书，多家500强企业数字化转型领域GJ顾问，在国内期刊上发表文章约60余篇。

1 AI绘画的探索时代 001
1.1 AI绘画的早期探索 002
1.1.1 纺织中的图案“计算” 002
1.1.2 计算机科学与绘画的融合 003
1.1.3 数学规则与算法之美 004
1.1.4 AI遗传算法与有机艺术 006
1.2 深度学习与AI绘画 007
1.2.1 从神经元到深度学习 007
1.2.2 卷积神经网络与图像特征 011
1.2.3 Sketch-RNN，从序列到图像 014
1.3 生成模型下的AI绘画 015
1.3.1 无中生有VAE 015
1.3.2 左右互搏GAN 018
1.3.3 具有创造性的CAN 020
1.3.4 强化学习与AI绘画 021
1.3.5 扩散模型与AI绘画 025

2 AI绘画迎来AIGC时代 029
2.1 AI绘画迎来多模态 030
2.1.1 从文本描述到图像 030
2.1.2 DALL·E与CLIP模型 031
2.1.3 模型训练的基石：数据集 034
2.1.4 Transformer——深度学习的新宠儿 037
2.1.5 GPT模型进化论 038
2.2 AI绘画大模型 042
2.2.1 Stable Diffusion 042
2.2.2 Midjourney 044
2.2.3 Adobe Firefly 045
2.2.4 ChatGPT与AI绘画 046
2.3 AI绘画赋能行业 048
2.3.1 内容创意与可视化 048
2.3.2 实用与功能性设计 050
2.3.3 数据驱动的分析与解读 053

3 AI绘画引发的社会问题 055
3.1 AI绘画与知识产权 056
3.1.1 “自觉”退赛的AI摄影作品 056
3.1.2 以假乱真“太空歌剧院” 057
3.1.3 AI绘画潜在的知识产权问题 058
3.2 AI绘画与信息安全 061
3.2.1 AI绘画潜在的信息安全问题 061
3.2.2 真假难辨的Deepfake 062
3.2.3 警惕AI绘画的虚假传播 063
3.3 AI绘画与就业 065
3.3.1 AI绘画与就业新机遇 065
3.3.2 AI绘画面临的失业风险 067
3.4 AI绘画与人机共进 068

4 本地部署使用 071
4.1 Stable Diffusion本地部署 072
4.1.1 开源社区中的WebUI 072
4.1.2 电脑配置需求 073
4.1.3 Stable Diffusion整合包推荐 074
4.1.4 Stable Diffusion自主配置流程 076
4.2 Stable Diffusion基本操作流程 085
4.2.1 WebUI界面介绍 085
4.2.2 AI绘图操作流程 087

5 Stable Diffusion图像生成 089
5.1 提示词生成图像 090
5.1.1 正向提示词与反向提示词 090
5.1.2 提示词的逻辑与分类 091
5.1.3 提示词的权重及语法 093
5.2 出图参数设置 096
5.2.1 迭代步数与采样方法 096
5.2.2 分辨率设置 098
5.2.3 生成批次与生成张数 099
5.2.4 提示词引导系数 101
5.2.5 随机数种子 101
5.3 图像生成图像 102
5.3.1 图生图入门 102
5.3.2 局部重绘 104
5.3.3 涂鸦重绘 107
5.3.4 其他图生图方式简介 108

6 Stable Diffusion进阶使用 111
6.1 图像生成进阶 112
6.1.1 主模型的介绍与使用 112
6.1.2 拓展模型的介绍与使用 117
6.1.3 使用AIGC工具辅助生成提示词 124
6.2 常用脚本介绍 126
6.2.1 X/Y/Z脚本 126
6.2.2 提示词矩阵脚本 129
6.2.3 批量提示词出图脚本 130
6.3 常用拓展插件介绍与下载 132
6.3.1 图片信息反推 132
6.3.2 图片高清放大 133
6.3.3 插件下载与配置 135

7 可控的图像生成 137
7.1 ControlNet插件介绍 138
7.1.1 ControlNet实现原理 138
7.1.2 ControlNet下载与配置 139
7.2 ControlNet插件的使用 141
7.2.1 基本使用方式 141
7.2.2 参数设置 142
7.2.3 多重控制网络 145
7.3 常用ControlNet模型分类介绍 146
7.3.1 常用对象类模型介绍 146
7.3.2 常用轮廓类模型介绍 147
7.3.3 常用景深类模型介绍 150
7.3.4 常用重绘类模型介绍 151
7.3.5 其他ControlNet模型简介 152

8 常见行业应用案例 157
8.1 建筑设计 158
8.1.1 发挥建筑设计创意 158
8.1.2 生成可控的建筑图像 162
8.2 动漫设计 166
8.2.1 现实转化为动漫 166
8.2.2 图书插画、绘本创作流程 169
8.3 平面设计 174
8.3.1 定制AI模特 174
8.3.2 可控的创意海报设计 180

附录 184
附录一 Stable Diffusion在线网站使用指南 185
附录二 Comfy UI使用指南 190