AI作画飞入寻常百姓家——stable diffusion初体验

1. 前言

stable_diffusion来了，这个号称是最强的文本生成图片的模型它来了，相比较DAEE等大模型，它能够让我们消费级的显卡也能够实现文本到图像的生成。下面，我们也来试一下。

2. 准备过程

该服务器上必须要有的基础工具anaconda,wget,git和yum。令我吃惊的是，当我看到wget和yum互为前提的安装时，我头都大了。后来使用curl代替wget解决了yum的安装问题。

3. 执行过程

由于有官方详尽的介绍，因此很容易完成项目的搭建。

1. 按照官方的地址，我们下载完源码。它是基于latent-diffusion而做的。

2. 创建环境
   conda env create -f environment.yaml
conda activate ldm
   需要注意的是，里面有两个github的包，可以从github上下载后，放到src下，使用python进行安装，具体可以参考知乎。

3. 额外注意的有以下3个部分：
   （1）该项目至少要在torch>=1.9.0以上的环境中运行，否则会报错AttributeError: module 'torch' has no attribute 'inference_mode'。
   （2）当遇到ImportError: cannot import name 'autocast' from 'torch' (/root/anaconda3/envs/ldm/lib/python3.8/site-packages/torch/__init__.py)
   问题时，需要注释掉txt2img.py里的import autocast（第14行）以及使用autocast的那一行（第280行），
   （3）还有需要注意的是，如果遇到的问题是AttributeError:module ‘distutils’ has no attribute 'version，那么需要安装低版本：
   pip uninstall setuptools
pip install setuptools==59.5.0 //需要比你之前的低

4. 实验效果

今天是中秋节，我本想使用“海上生明月，天涯共此时”来进行生成，但是很难搞定。只好使用如此笨拙的方式进行生成，还是第一次使用，没有掌握到prompt的精髓，大家可以加以改进。

python scripts/txt2img.py --prompt "There is a bright moon on the sea, and there is a big ship. There are many people on the ship. People look up at the direction of the moon." --plms --outdir ./Workspace --ckpt ./models/ldm/sd-v1-4.ckpt --ddim_steps 100 --H 512 --W 512 --seed 8
1

5. 后记

关于prompt的使用，需要尽可能的详细描述整个场景，用精准而非通俗的英语单词更能够让画面具有精致的美感。

当然stable diffusion仍然是有很大的缺陷的，例如，对于整体文化上偏向于西方的表达方式，物体的表现缺少事实性和一致性（一幅图里会有许多个月亮，这是事实性错误），对于人物的细节缺少精准的控制。在即将发布的1.5的模型里对于人物的脸部进行了更精致的表现，但是仍然对于手部细节还需要加强。大家可以看一下1.5和1.4版本模型的对比。


幸运的是，相比较latent diffusion，stable diffusion增加了安全检查操作，因此不会出现太离谱的图片了。

今天就是中秋节了，祝大家中秋快乐！也祝各位老师，教师节快乐！