第3单元 第2课 《图像生成模型》 教案 清华大学版 信息科技 八年级下册

中小学教育资源及组卷应用平台 第2课《图像生成模型》教学设计 课题 图像生成模型 单元 第三单元 学科 信息科技 年级 八年级下 核心素养目标 信息意识：知道人工智能是如何生成图像的，了解扩散模型的起源并掌握其原理，熟悉人工智能生成图像的经典方法。计算思维：明确扩散模型生成图像的关键过程，能够通过学习图像生成模型，利用扩散模型生成自己需要的图像。数字化学习与创新：鼓励利用数字工具和技术进行学习和创新，探索新的图像生成方法，生成自己需要的图像，推动艺术与科技的结合，激发创造力。信息社会责任：意识到图像生成技术的社会责任，包括版权问题、虚假信息的生成、隐私保护等，培养负责任的技术使用意识。 教学重点 掌握图像生成模型的相关原理，熟悉人工智能生成图像的经典方法 教学难点 明确扩散模型生成图像的关键过程，能够利用扩散模型生成自己需要的图像 教学过程 教学环节 教师活动 学生活动 设计意图 导入新课 板书课题。本课中你将学习人工智能生成图像的经典方法有哪些扩散模型生成图像的关键过程是什么如何利用扩散模型生成自己需要的图像随着 AIGC 的爆火，人们不仅可以通过与机器聊天生成文案、创作诗歌，还能利用其进行大量的艺术创作。目前，人工智能生成的图像已经变得越来越逼真和自然，越来越具有艺术创意和独特性。这都得益于深度神经网络的快速发展，推动了众多图像生成大模型的出现，使模型的生成性能不断突破瓶颈。观看教学视频 学习新知引入，观看教学视频。 用提问的方式引入课题，增强课堂互动性。将学生的注意吸引到课堂。 讲授新课 新知讲解一、图像生成模型的原理图像是一种特殊类型的数据，均匀分布在图像空间中。图 3.2.1 中的正方形区域代表图像所处的空间，其中每个点代表一张图像。图中“紫色”的点代表宠物猫的图像，宠物猫的图像在图像空间中呈现特殊的分布规律，如图 3.2.1 中的浅绿色阴影区域。假设，现在希望机器能够自动生成宠物猫的图像，可以让机器在大量宠物猫的图像数据集里训练。训练过程中，机器会从提供的数据集(如图 3.2.1 中的紫色点)中学习宠物猫数据的真实分布规律，这个分布可以理解为宠物的毛发、种类、姿态等特征的统计规律。训练结束后，将得到一个模型，这个模型可以生成接近真实的宠物猫的图像(如图 3.2.1 中的红色点)。得到的这个模型就是图像生成模型。具体来说，图像生成模型是一种深度神经网络模型，可以通过对大量图像数据的学习，找到图像数据的分布规律，然后按照规律，从图像数据空间中抽取样本，生成新的图像。生成模型学习的分布规律越接近图像的真实分布，则生成的图像质量越好。因为图像数据分布规律的复杂性，无法用经验规则或是显性的公式表达，只有通过大量数据的训练学习，才能实现图像生成模型的生成功能。目前，使用最为广泛的图像生成模型是生成对抗网络和扩散模型。二、扩散模型的起源扩散模型的起源可以追溯到热力学中的扩散过程，就是物质由高浓度的地方向低浓度的地方逐渐移动，最终形成一种各个方向均衡的状态。就像滴人水中的红墨水一样(见图 3.2.2),随着墨水扩散到水中，水逐渐变成了淡红色，墨水分子均匀地分布在水中。这种状态非常简单，易于描述，而墨水人水时的状态却是干姿百态的，很难描述和刻画。假设扩散过程的每一步都可逆，只要扩散的“步子”足够小，就可以从当前的均匀分布状态，逆向推断出墨水最初人水的状态。用于图像生成的扩散模型，就是受这一原理的启发而提出来的。以生成宠物猫的图像为例，直接给出猫的分布规律几乎是不可能的。想象一下，每次往清晰的猫的图像中随机加人噪声(与原图像无关的信息 )，随着时间的变化，加入的噪声越来越明显，图像会由清晰变模糊，最后完全变成雪花点(无法辨认原图像 ... ...