AI绘画术语详解：玩转AI绘画的必备词汇302

AI绘画正席卷全球，越来越多的艺术家和爱好者加入到这个充满创造力的领域。然而，面对琳琅满目的软件和参数设置，以及各种专业术语，初学者往往感到困惑。本文将对AI绘画中常用的术语进行详细解释，帮助你快速入门，更好地理解和运用AI绘画技术。

一、核心概念类

1. 扩散模型 (Diffusion Model): 这是目前AI绘画领域最主流的技术模型。其原理是通过逐步添加噪声破坏图像，然后学习如何从噪声中恢复原始图像。训练过程中，模型学习了图像的潜在分布，可以生成全新的、具有艺术风格的图像。Stable Diffusion、DALL-E 2 等知名模型都基于此。

2. 生成对抗网络 (GAN, Generative Adversarial Network): GAN由两个神经网络组成：生成器和判别器。生成器尝试生成逼真的图像，而判别器则尝试区分生成器生成的图像和真实图像。两者在对抗中不断改进，最终生成器能够生成高质量的图像。虽然在AI绘画领域不及扩散模型流行，但仍有一些基于GAN的工具存在。

3. Prompt (提示词): 这是AI绘画中最关键的输入，用自然语言描述你想要生成的图像内容、风格和细节。一个好的Prompt能够极大地影响最终图像的质量和效果。 Prompt Engineering (提示词工程) 是一个专门研究如何编写有效Prompt的领域。

4. Negative Prompt (负面提示词): 与Prompt相反，它指定你不希望在生成的图像中出现的元素或风格。通过Negative Prompt，可以更好地控制图像的生成过程，避免出现不想要的细节或效果。例如，你想画一只猫，但不想出现狗，就可以在Negative Prompt中输入“dog”。

5. Seed (种子): 一个数字，用于控制图像生成的随机性。相同的Seed和Prompt会生成相同的图像。这方便了图像的重复生成和修改。

二、参数设置类

6. Steps (步数): 指AI生成图像迭代的次数。步数越多，图像细节越丰富，但生成时间也越长。需要根据实际需求调整。

7. CFG Scale (Classifier Free Guidance Scale): 控制模型对Prompt的遵循程度。数值越高，模型越严格地按照Prompt生成图像，但可能导致图像缺乏创造性；数值越低，模型越自由发挥，可能生成意想不到的结果。一般在7-15之间调整。

8. Sampling Method (采样方法): 决定模型生成图像的方式，不同的采样方法会影响图像的质量和生成速度。常见的采样方法包括Euler a, Euler, DPM++ 2M Karras, DPM++ SDE Karras 等，各有优劣。

9. Image Resolution (图像分辨率): 生成的图像尺寸，例如512x512, 768x768, 1024x1024等。分辨率越高，图像细节越丰富，但生成时间也越长，对显卡的要求也越高。

三、风格与技术类

10. Style (风格): 指图像的艺术风格，例如写实、印象派、油画、水墨画等。在Prompt中指定风格，或者使用特定模型或参数来实现特定风格。

11. Upscaling (超分辨率): 将低分辨率图像放大到高分辨率，提高图像细节和清晰度。常用的Upscaling方法包括ESRGAN, Real-ESRGAN等。

12. Inpainting (修复): 修复图像中的缺失部分或瑕疵。

13. Outpainting (外推): 扩展图像的边界，生成图像的延伸部分。

四、其他术语