(
课件网) 第3单元 第2课 图像生成模型 （清华大学版）八年级 下 1 核心素养目标 3 新知讲解 5 拓展延伸 7 板书设计 2 新知导入 4 课堂练习 6 课堂总结 课后作业 8 01 核心素养目标 信息意识 计算思维 数字化学习与创新 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。 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。 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。 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。 02 新知导入 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 02 新知导入 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。 02 新知导入 03 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。 03 新知讲解 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。 03 新知讲解 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。 03 新知讲解 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。 03 新知讲解 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。 03 新知讲解 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)的随机状态，如图 3.2.3 所示。这种随机状态就类似于墨水的均匀分布是易于描述的。然后训练一个模型学习逐渐加人的噪声，它 ... ...
