https://github.com/Donvink，专注于计算机视觉、目标检测、目标跟踪等方向

本文主要是介绍通义万相视频生成模型本地部署教程，包括文生视频、图生视频和首尾帧生成视频，最后简要介绍LoRA训练Wan2.1

我们先用最通俗易懂的语言结合源码详细介绍扩散模型的原理，再详细介绍StableDiffusion3和3.5的原理。

在人工智能和机器学习领域，生成模型的应用越来越广泛。Stable Diffusion 作为其中的佼佼者，因其强大的图像生成能力而备受关注。今天，我的开源项目 **Dive Into Stable Diffusion v3.5** 已经正式发布！这个项目旨在总结我在开发过程中所学到和用到的知识和工具，同时帮助其他开发者更好地理解和应用 Stable Diffusion v3.5 模型。目前，项目提供了多种微调和优化的方法，包括全量参数微调、LoRA、DreamBooth、RLHF和DPO训练等。

本文详细介绍HunyuanVideo的部署、应用以及源码分析。不得不说，生成的视频很真实生动！

本文详细介绍了开源的视频生成模型MovieGen和HunyuanVideo预训练数据的处理流程以及预训练流程。

上一篇博文我们学习了Stable Diffusion的原理，这一篇我们继续深入了解Stable Diffusion的应用实践和分析。

Stable diffusion是一个基于 Latent Diffusion Models（潜在扩散模型，LDMs）的文图生成（text-to-image）模型。具体来说，得益于 Stability AI 的计算资源支持和在 LAION-5B 的一个子集数据支持训练，用于文图生成。Latent Diffusion Models 通过在一个潜在表示空间中迭代“去噪”数据来生成图像，然后将表示结果解码为完整的图像，让文图生成能够在消费级GPU上，在10秒级别时间生成图片。

OpenAI在2021年1月推出了DALL·E，并于该年底推出GLIDE，时隔一年又在2022年4月推出DALL·E2。相比 DALL·E ，DALL·E2 可以生成更真实和更准确的画像：综合文本描述中给出的概念、属性与风格等三个元素，生成现实主义图像与艺术作品，分辨率更是提高了4倍。

自编码器（Autoencoder，AE），是一种利用反向传播算法使得输出值等于输入值的神经网络，它先将输入压缩成潜在空间表征，然后将这种压缩后的空间表征重构为输出。AE隐藏层的向量具有降维的作用，所以，从本质上来讲，自编码器是一种数据压缩算法，其压缩和解压缩算法都是通过神经网络来实现的。是数据去噪，是为进行可视化而降维。进行图像压缩传统自编码器被用于降维或特征学习自编码器在适当的维度和系数约束下可以学习到比PCA等技术更有意义的数据映射。

本专栏会分以下入门、初级、中级和高级四部分详细介绍Stable Diffusion的安装使用、原理和模型结构、模型训练和优化等。文章索引持续更新中。

详细介绍AI绘画提示词的分类、书写方法、权重等，提供详细的参数设置攻略。

不同的模型有不同的风格，本文介绍了模型的文件构成、加载位置，分享了几个常用的模型下载网站，及一些模型的分类。

【Stable Diffusion】应用安装详细步骤！

当提示词不足以表达你的想法，或者你希望以一个更为简单清晰的方式传递一些要求的时候，可以给AI输入一张图片，此时图片和文字是相当的，都是作为一种信息输送给模型，让它拿来生成一张新的图片。