Welcome to Civitai.com's official beginner's guide to AI art. My name is Tyler, and throughout this series, I will be your guide as we go from zero to generating our first AI images.

Throughout these videos, you can expect to learn about the core concepts and the terminology behind AI art and stable diffusion.

We're going to discuss and walk through how to install the various pieces of software and programs you will need to generate AI images on your own local machine, and we're going to learn how to navigate these programs, as well as how to properly download and store resources from the Civitai.

com resource library. Before we get to installing anything, there are a lot of core concepts and terminology used throughout AI art and stable diffusion that, if you're new to all this, really might be overwhelming or not familiar.

So, in this video, we're going to discuss some common terms, abbreviations, and concepts that you will encounter as you're browsing websites like Civitai and interacting with software like Automatic1111, Fooocus, ComfyUI, or Easy Diffusion.

So, let's get started by discussing the various concept types of image generation that you'll be doing throughout your time making AI images, starting with our very first concept and the most common, which is text-to-image.

You're going to see this term a lot, and this refers to taking a text prompt and generating an image out of nothing, using only the text and telling the AI exactly what you would like to see in your image.

Then we have image-to-image and batch image-to-image. This is the process of taking an existing image or a reference photo, for example, a photo of myself or a photo of a friend, and using that photo as the input for the AI to then take your prompt, reference the photo and build the output image on top of the already existing photo.

For this, you'll be using something called a ControlNet, which we will talk about in the extensions part of this video.

Image to image is doing so with only one single image, whereas a batch image to image is taking a folder of images and running them through the diffusion process all at the same time.

Next, we have inpainting, which is the practice of using a painted mask area to add or remove objects from an image.

Think of this as generative fill from Photoshop, except it lives locally in your stable diffusion software and you get to paint right on your image with a brush tool, punching the prompt exactly what you want to happen in the part of the image that you painted.

Next, we have text to video and video to video, or as you'll see them referred to, text to vid or vid to vid.

These are the processes of taking a text prompt and getting a video output with motion, or taking an existing video input and transforming that video utilizing your prompt.

Next, we have the most important part: the prompt and the negative prompt. The prompt is the text input that you give your stable diffusion based software or any AI image generation software in general to tell it exactly what you would like it to output in your image.

This is where you take your text input and tell Stable Diffusion what you do not want in your photo. Next, we have upscaling. Upscaling is the process of taking low resolution media, think an image that is a 512 x 512 small little square, and converting it to high resolution media, think a square that is 1080 x 1080.

This is usually done by enhancing the existing pixels and most of the time we are now doing this through either AI models that are built into our Stable Diffusion software and interfaces or we're using external programs like Topaz Photo AI or Topaz Video AI to upscale our images and videos before we go and we share them on the internet or post them wherever we want.

The upscaling process is usually going to be the last part before you're ready to share your images. These are the core concepts that you will be utilizing anytime you sit down to generate something with Stable Diffusion.

Next, we're going to dive into the models, assets, and resources that you're going to come across on a regular basis.

So to start off, checkpoints. Checkpoints are now more commonly referred to as models, but you will see these terms used interchangeably as you go from site to site and you're looking for different models or checkpoints to use in your generations.

A model is the product of the training millions of images scraped from all over the web, and this file drives our results from text-to-image, image-to-image, and text-to-video generations.

This is the heartbeat of everything you will be doing in Stable Diffusion. Typically, your model will dictate the overall style that you will get out of your image.

Some models are really great all-arounders, some are very strictly trained on anime, and some are very strictly trained on realistic images.

Choosing the right model is vital to getting the image that you would like out of Stable Diffusion.

All right, let's move on to checkpoints and safe tensors. Now, checkpoints are a file format created by PyTorch Lightning. It contains a machine learning model which is used by Stable Diffusion to generate our image outputs.

Now, this checkpoint or the CKPT file is superseded and has mostly been replaced by SafeTensor files.

SafeTensor files are essentially the same thing, except they are less susceptible to having malicious code put in them. So whenever possible, you would want to look for the SafeTensor version of a model rather than a CKPT.

This is also why it is good to read reviews before you download any models and install them into your hard drive on your machine.

You want to make sure that you're not downloading anything malicious.

Now, anytime you hear the term training data, it's referring to a set of many images that are used to train a Stable Diffusion model, LORA, or embedding.

LAION-5B: This is a large-scale dataset for research purposes that has been trained on 5.85 billion CLIP-filtered text-to-image pairs.

This is the dataset that Stable Diffusion was trained on, which brings us to Stable Diffusion 1.5, or also referred all over the internet as SD 1.5.

This is a latent text-to-image model trained on 595,000 steps at a resolution of 512x 512 images from the LAION-5B model.

This has now been superseded by Stability AI's latest release, Stable Diffusion XL 1.0.

However, a lot of the community still uses Stable Diffusion 1.5 because of its flexibility and the sheer amount of resources that are available for SD 1.5.

Next up, we have LORA, L.O.R.A., which stands for Low-Rank Adaption. Now, a LORA is essentially a model but trained on a much, much, much smaller dataset geared towards a very specific thing.

This thing could be a person, a style, or a concept.

So you will find many LORAs trained on specific anime characters, so that when you include the LORA in your image generation process, it is going to push your image output to have that specific character in the final image.

Textual inversions and embeddings, well, these are similar to LORAs, but they're trained on even smaller data sets and really geared towards capturing concepts such as fixing bad hands, fixing bad eyes, objects, and specific faces.

VAEs are optional, detail-oriented files that sometimes come built into your models, or more often, you will have to include a VAE next to your model for your image generation.

You can think of VAEs as the final touch to getting a really crisp, sharp, colorful image. Some models without the use of a VAE, the colors will feel very dull and washed out, or they will have less details.

So you either want to make sure that the model that you are currently running has a VAE built into it, or if not, you want to use your own VAE alongside of it.

That just about covers the model section. Now, let's jump into some of the most important and common extensions that you will encounter while you're using Stable Diffusion.

All right, so our first extension, and quite possibly one of the most important things you will come across while you're using Stable Diffusion, if you want to do anything outside of just basic text-to-image prompting, is ControlNet.

ControlNet consists of a bunch of different models that are trained on specific data sets to read different structures of an image such as straight lines, depth, character position, where it will actually position a dummy inside of the character in your photo so that you can then take that dummy and generate a whole new person on top of the exact pose that that person was in.

ControlNets are essential if you want to do anything involving image-to-image or video-to-video.

Next, we have DeForum. DeForum is a community of AI image synthesis developers, enthusiasts, and artists that build a large set of generative AI tools.

They are most commonly known for their super popular Automatic1111 extension that can take a text prompt and generate a really, really smooth video output that you can also keyframe specific zooming, panning, and turning motions into.

Next, we have ESRGAN, the Enhanced Super-Resolution Generative Adversarial Network. ESRGAN is a technique that is used to generate high-resolution images from low-resolution pixels.

Think upscaling a 720p image up to 1080p. This model is commonly found in a lot of Stable Diffusion interfaces.

Next, we have AnimateDiff. AnimateDiff is a technique used to inject motion into text-to-image and even image-to-image generations. These are all of the core concepts and terminology and terms that you will come across during your time using Stable Diffusion.

If at any point you get lost or you need some extra help figuring out what something means or you need something to refer to, feel free to visit our Stable Diffusion glossary in the Civitai.

com education hub. We'll see you guys in the next video.

Civitai Beginners Guide To AI Art // #1 Core Concepts

Unleash your creativity and explore the AI Art revolution with Civitai. Join us as we redefine the future of artistic expression! 

Civitai

이 비디오는 AI 아트와 스테이블 디퓨전의 핵심 개념, 용어, 그리고 Civitai 웹사이트 탐색 및 소프트웨어 사용에 대한 가이드라인을 제공합니다.

텍스트-이미지, 이미지-이미지, 인페인팅, 텍스트-비디오와 같은 이미지 생성 개념과 프롬프트, 네거티브 프롬프트, 업스케일링 등의 주요 용어를 설명합니다.

또한 모델, 로라, 임베딩, VAE와 같은 에셋과 ControlNet, DeForum, ESRGAN, AnimateDiff와 같은 확장 기능에 대한 정보를 제공합니다.

AI 아트 초심자 가이드: 핵심 개념 및 용어

이 가이드는 Civitai.com의 공식 AI 아트 초심자 가이드로, AI 이미지 생성의 핵심 개념과 용어를 소개합니다. 이 시리즈를 통해 여러분은 **AI 아트와 스테이블 디퓨전의 기본 원리를 이해**하고, AI 이미지를 생성하는 데 필요한 소프트웨어 설치 방법을 배우게 됩니다.

또한, Civitai.com 리소스 라이브러리에서 **자료를 올바르게 다운로드하고 저장하는 방법**을 익히게 될 것입니다. 설치 과정에 앞서, 스테이블 디퓨전을 처음 접하는 사람들에게는 생소하고 압도적일 수 있는 핵심 개념과 용어를 먼저 다룰 것입니다.

텍스트-투-이미지(text-to-image)는 AI 이미지 생성에서 가장 기본적인 방법으로, **텍스트 프롬프트를 사용하여 아무것도 없는 상태에서 이미지를 생성**하는 것을 의미합니다. AI에게 원하는 것을 정확히 알려주어 이미지를 만들어냅니다.

이미지-투-이미지(image-to-image)와 배치 이미지-투-이미지(batch image-to-image)는 기존 이미지나 참조 사진을 AI 입력으로 사용하여 프롬프트를 바탕으로 출력 이미지를 생성하는 과정입니다. 이미지-투-이미지는 단일 이미지를 사용하는 반면, 배치 이미지-투-이미지는 **폴더 내 여러 이미지를 동시에 처리**합니다. 이 과정에는 주로 컨트롤넷(ControlNet)이라는 확장 기능이 사용됩니다.

인페인팅(Inpainting)은 포토샵의 생성형 채우기와 유사하게, **이미지 내 특정 영역에 마스크를 씌워 객체를 추가하거나 제거**하는 기술입니다. 브러시 도구를 사용하여 이미지에 직접 페인팅하고, 프롬프트를 통해 원하는 변경 사항을 적용합니다.

텍스트-투-비디오(text-to-video)와 비디오-투-비디오(video-to-video)는 텍스트 프롬프트로 움직임이 있는 비디오를 생성하거나, 기존 비디오를 입력으로 사용하여 프롬프트를 통해 변형하는 과정입니다. **이는 텍스트나 기존 비디오를 바탕으로 동적인 결과물을 만들어냅니다.**

프롬프트, 업스케일링 및 기타 핵심 용어

프롬프트(Prompt)는 AI 이미지 생성 소프트웨어에 **원하는 이미지 출력을 지시하는 텍스트 입력**입니다. 반대로 네거티브 프롬프트(Negative Prompt)는 **이미지에 나타나지 않기를 원하는 요소**를 지정하는 텍스트 입력입니다.

업스케일링(Upscaling)은 512x512와 같은 저해상도 이미지를 1080x1080과 같은 **고해상도 이미지로 변환하는 과정**입니다. 이는 기존 픽셀을 향상시켜 이루어지며, 주로 스테이블 디퓨전 소프트웨어에 내장된 AI 모델이나 Topaz Photo AI와 같은 외부 프로그램을 통해 수행됩니다. 업스케일링은 이미지를 공유하기 전 최종 단계에 해당합니다.

체크포인트(Checkpoints)는 이제 모델(Models)로 더 흔히 불리지만, 종종 혼용되어 사용됩니다. **모델은 수백만 개의 이미지 학습을 통해 생성된 파일**로, 텍스트-투-이미지, 이미지-투-이미지, 텍스트-투-비디오 생성의 핵심 동력입니다. 모델은 이미지의 전반적인 스타일을 결정하며, 특정 모델은 애니메이션이나 사실적인 이미지에 특화되어 있습니다. 올바른 모델 선택은 원하는 이미지를 얻는 데 매우 중요합니다.

체크포인트(.ckpt) 파일은 PyTorch Lightning에서 생성된 파일 형식으로, Stable Diffusion이 이미지 출력을 생성하는 데 사용하는 머신러닝 모델을 포함합니다. 하지만 이 형식은 **악성 코드가 삽입될 가능성이 적은 세이프텐서(SafeTensor) 파일로 대부분 대체**되었습니다. 따라서 가능하면 세이프텐서 버전을 선택하고, 모델 다운로드 전에 리뷰를 확인하여 악성 코드를 피하는 것이 좋습니다.

학습 데이터(Training Data)는 스테이블 디퓨전 모델을 훈련하는 데 사용되는 많은 이미지 세트를 말합니다. LAION-5B는 58억 5천만 개의 CLIP-필터링된 텍스트-투-이미지 쌍으로 구성된 대규모 데이터 세트이며, **스테이블 디퓨전이 이 데이터 세트를 기반으로 훈련**되었습니다.

스테이블 디퓨전 1.5 (SD 1.5)는 LAION 5B 모델의 512x512 이미지로 59만 5천 단계를 학습한 잠재 텍스트-투-이미지 모델입니다. 현재는 Stability AI의 Stable Diffusion XL 1.0이 최신 버전이지만, **SD 1.5는 유연성과 풍부한 리소스 덕분에 여전히 커뮤니티에서 널리 사용**됩니다.

로라(LoRA, Low-Rank Adaptation)는 모델과 유사하지만, **매우 작은 데이터 세트로 특정 인물, 스타일 또는 개념에 초점을 맞춰 훈련**됩니다. 예를 들어, 특정 애니메이션 캐릭터에 훈련된 로라를 사용하면 최종 이미지에 해당 캐릭터가 나타나도록 유도할 수 있습니다.

텍스트 인버전(Textual Inversions)과 임베딩(Embeddings)은 로라와 비슷하지만, **훨씬 더 작은 데이터 세트로 훈련되며, 주로 손이나 눈의 결함 수정, 특정 사물이나 얼굴 표현과 같은 개념을 포착**하는 데 중점을 둡니다.

VAE(Variational AutoEncoder)는 모델에 내장되어 있거나 별도로 추가해야 하는 **선택적 디테일 지향 파일**입니다. VAE는 이미지를 더욱 선명하고 선명하며 다채롭게 만드는 '마지막 손길'과 같습니다. VAE가 없으면 이미지가 흐릿하거나 색상이 바래 보일 수 있으므로, 모델에 VAE가 내장되어 있는지 확인하거나 자체 VAE를 함께 사용하는 것이 중요합니다.

컨트롤넷(ControlNet)은 스테이블 디퓨전에서 가장 중요한 확장 기능 중 하나로, **이미지의 직선, 깊이, 캐릭터 위치와 같은 특정 구조를 읽도록 훈련된 다양한 모델**로 구성됩니다. 이를 통해 기존 이미지의 포즈나 구도를 유지한 채 새로운 이미지를 생성할 수 있습니다. 이미지-투-이미지나 비디오-투-비디오와 관련된 작업에 필수적입니다.

디포럼(Deforum)은 AI 이미지 합성 개발자, 애호가, 아티스트 커뮤니티로, **텍스트 프롬프트에서 부드러운 비디오 출력을 생성**하고 특정 줌, 패닝, 회전 움직임을 키프레임으로 제어할 수 있는 Automatic 1111 확장 기능으로 가장 잘 알려져 있습니다.

ESRGAN(Enhanced Super Resolution Generative Adversarial Network)은 저해상도 픽셀에서 **고해상도 이미지를 생성하는 데 사용되는 기술**입니다. 예를 들어 720p 이미지를 1080p로 업스케일링하는 데 활용되며, 많은 스테이블 디퓨전 인터페이스에 내장되어 있습니다.

애니메이트 디프(Animate Diff)는 텍스트-투-이미지 및 이미지-투-이미지 생성에 **움직임을 주입하는 데 사용되는 기술**입니다. 이러한 개념과 용어는 스테이블 디퓨전을 사용하는 동안 자주 접하게 될 것입니다. 궁금한 점이 있다면 Civitai.com 교육 허브의 스테이블 디퓨전 용어집을 참조하시기 바랍니다.

AI 아트 및 스테이블 디퓨전에서 이미지를 생성하는 주요 방식(예: 텍스트-이미지, 이미지-이미지 등)은 무엇인가요?

프롬프트와 네거티브 프롬프트는 AI 이미지 생성 과정에서 어떤 역할을 하며, 각각 무엇을 의미하나요?

AI 아트에서 '모델', '체크포인트', '세이프 텐서'는 서로 어떻게 관련되어 있으며, 각각의 주요 특징은 무엇인가요?

로라(LORA)와 텍스트 반전/임베딩은 모델과 어떤 차이점이 있으며, 주로 어떤 용도로 사용되나요?

ControlNet, DeForum, AnimateDiff와 같은 주요 확장 기능들이 AI 아트 생성 과정에서 어떤 역할을 하는지 설명해 줄 수 있나요?

Civitai.com의 AI 아트 공식 초보자 가이드에 오신 것을 환영합니다. 제 이름은 타일러이고, 이 시리즈를 통해 AI 이미지를 처음 생성하는 단계까지 여러분을 안내할 것입니다.

이 비디오를 통해 AI 아트와 스테이블 디퓨전에 대한 핵심 개념과 용어를 배우게 될 것입니다.

자신의 로컬 시스템에서 AI 이미지를 생성하는 데 필요한 다양한 소프트웨어 및 프로그램을 설치하는 방법과 이러한 프로그램을 탐색하는 방법, 그리고 Civitai의 리소스 라이브러리에서 리소스를 적절하게 다운로드하고 저장하는 방법에 대해 알아볼 것입니다.

무언가를 설치하기 전에 AI 아트와 스테이블 디퓨전에서 사용되는 많은 핵심 개념과 용어는 이러한 모든 것이 처음인 경우 정말 부담스럽거나 익숙하지 않을 수 있습니다.

따라서 이 비디오에서는 Civitai와 같은 웹사이트를 탐색하고 Automatic1111, Fooocus, ComfyUI 또는 Easy Diffusion과 같은 소프트웨어를 사용할 때 접하게 될 일반적인 용어, 약어 및 개념에 대해 설명하겠습니다.

AI 이미지를 만드는 동안 수행하게 될 다양한 이미지 생성 개념 유형에 대해 논의하는 것으로 시작하겠습니다. 가장 먼저 가장 일반적인 개념은 텍스트-이미지입니다.

이 용어를 많이 보게 될 텐데, 이는 텍스트 프롬프트를 가져와 텍스트만 사용하여 아무것도 없는 상태에서 이미지를 생성하고 AI에게 이미지에서 보고 싶은 것을 정확히 알려주는 것을 의미합니다.

다음으로 이미지-이미지 및 배치 이미지-이미지가 있습니다. 이것은 기존 이미지 또는 참조 사진(예: 내 사진 또는 친구 사진)을 가져와 해당 사진을 AI의 입력으로 사용하여 프롬프트를 가져오고 사진을 참조하여 기존 사진 위에 출력 이미지를 구축하는 프로세스입니다.

이를 위해 ControlNet이라는 것을 사용하게 되는데, 이는 이 비디오의 확장 프로그램 부분에서 설명하겠습니다.

이미지-이미지는 단일 이미지로만 수행하는 반면, 배치 이미지-이미지는 이미지 폴더를 가져와서 확산 프로세스를 통해 동시에 실행하는 것입니다.

다음으로, 이미지에서 페인트된 마스크 영역을 사용하여 객체를 추가하거나 제거하는 방법인 인페인팅이 있습니다.

이것은 포토샵의 생성형 채우기와 같습니다. 단, 스테이블 디퓨전 소프트웨어에서 로컬로 작동하며 브러시 도구로 이미지 위에 직접 칠할 수 있습니다. 프롬프트를 사용하여 이미지에서 원하는 부분을 정확하게 지정할 수 있습니다.

다음으로 텍스트-비디오 및 비디오-비디오가 있습니다. 또는 텍스트-vid 또는 vid-to-vid라고도 합니다.

이것은 텍스트 프롬프트를 사용하여 모션이 있는 비디오 출력을 얻거나, 기존 비디오 입력을 가져와 프롬프트를 활용하여 해당 비디오를 변환하는 프로세스입니다.

다음으로 가장 중요한 부분인 프롬프트와 네거티브 프롬프트가 있습니다. 프롬프트는 스테이블 디퓨전 기반 소프트웨어 또는 일반적인 AI 이미지 생성 소프트웨어에 제공하는 텍스트 입력으로, 이미지에서 원하는 출력을 정확하게 지정하는 데 사용됩니다.

네거티브 프롬프트는 그 반대입니다.

여기에서 텍스트 입력을 사용하여 스테이블 디퓨전에 사진에서 원하지 않는 것을 알려줍니다. 다음으로 업스케일링이 있습니다. 업스케일링은 저해상도 미디어(예: 512 x 512의 작은 정사각형 이미지)를 고해상도 미디어(예: 1080 x 1080 정사각형)로 변환하는 프로세스입니다.

이것은 일반적으로 기존 픽셀을 향상시켜 수행되며, 대부분의 경우 스테이블 디퓨전 소프트웨어 및 인터페이스에 내장된 AI 모델을 사용하거나, Topaz Photo AI 또는 Topaz Video AI와 같은 외부 프로그램을 사용하여 이미지를 업스케일링한 다음 인터넷에 공유하거나 원하는 곳에 게시합니다.

업스케일링 프로세스는 일반적으로 이미지를 공유하기 전에 마지막으로 수행하는 단계입니다. 이것들은 스테이블 디퓨전으로 무언가를 생성하기 위해 앉을 때마다 활용하게 될 핵심 개념입니다.

다음으로 정기적으로 접하게 될 모델, 에셋 및 리소스에 대해 자세히 알아보겠습니다.

먼저 체크포인트입니다. 체크포인트는 현재 모델이라고 더 일반적으로 불리지만, 사이트마다 용어가 다르게 사용될 수 있으며, 생성에 사용할 다양한 모델 또는 체크포인트를 찾을 때 이러한 용어를 혼용하여 사용할 수 있습니다.

모델은 웹에서 수집된 수백만 개의 이미지를 학습한 결과물이며, 이 파일은 텍스트-이미지, 이미지-이미지 및 텍스트-비디오 생성에서 결과를 도출합니다.

이것은 스테이블 디퓨전에서 여러분이 하게 될 모든 것의 핵심입니다. 일반적으로 모델은 이미지에서 얻을 수 있는 전체적인 스타일을 결정합니다.

어떤 모델은 정말 다재다능하고, 어떤 모델은 애니메이션에 특화되어 있으며, 어떤 모델은 사실적인 이미지에 특화되어 있습니다.

스테이블 디퓨전에서 원하는 이미지를 얻으려면 올바른 모델을 선택하는 것이 중요합니다.

자, 이제 체크포인트와 세이프 텐서로 넘어가겠습니다. 체크포인트는 PyTorch Lightning에서 만든 파일 형식입니다. 여기에는 스테이블 디퓨전에서 이미지 출력을 생성하는 데 사용되는 머신 러닝 모델이 포함되어 있습니다.

이제 이 체크포인트 또는 CKPT 파일은 세이프 텐서 파일로 대체되었고 대부분 교체되었습니다.

세이프 텐서 파일은 기본적으로 동일하지만 악성 코드가 삽입될 가능성이 적습니다. 따라서 가능하면 CKPT보다 세이프 텐서 버전의 모델을 찾는 것이 좋습니다.

이것이 모델을 다운로드하여 컴퓨터의 하드 드라이브에 설치하기 전에 리뷰를 읽는 것이 좋은 이유이기도 합니다.

악성 코드가 있는 것을 다운로드하지 않도록 해야 합니다.

이제 학습 데이터라는 용어를 들을 때마다 스테이블 디퓨전 모델, 로라 또는 임베딩을 학습하는 데 사용되는 많은 이미지 세트를 의미합니다.

LAION-5B: 이것은 연구 목적으로 대규모 데이터 세트이며 58억 5천만 개의 CLIP 필터링된 텍스트-이미지 쌍으로 학습되었습니다.

이것은 스테이블 디퓨전이 학습된 데이터 세트이며, 스테이블 디퓨전 1.5 또는 인터넷에서 SD 1.5라고도 합니다.

이것은 LAION-5B 모델에서 512x512 이미지 해상도로 595,000단계로 학습된 잠재 텍스트-이미지 모델입니다.

이것은 현재 Stability AI의 최신 릴리스인 스테이블 디퓨전 XL 1.0으로 대체되었습니다.

그러나 많은 커뮤니티에서는 유연성과 SD 1.5에 사용할 수 있는 엄청난 양의 리소스 때문에 여전히 스테이블 디퓨전 1.5를 사용합니다.

다음으로 로라, L.O.R.A.가 있는데, 이는 Low-Rank Adaption의 약자입니다. 로라는 기본적으로 모델이지만 매우 특정한 것을 목표로 하는 훨씬 더 작은 데이터 세트에서 학습되었습니다.

이것은 사람, 스타일 또는 개념일 수 있습니다.

따라서 특정 애니메이션 캐릭터에 대해 훈련된 LORA를 많이 찾을 수 있습니다. 이미지 생성 과정에 LORA를 포함하면 최종 이미지에 특정 캐릭터가 나타나도록 이미지를 푸시합니다.

텍스트 반전 및 임베딩은 LORA와 유사하지만 훨씬 작은 데이터 세트에서 훈련되었으며 나쁜 손, 나쁜 눈, 객체 및 특정 얼굴 수정과 같은 개념을 캡처하는 데 적합합니다.

VAE는 선택 사항이며 세부 사항 중심적인 파일로 모델에 내장되어 있거나 이미지 생성을 위해 모델 옆에 VAE를 포함해야 하는 경우가 더 많습니다.

VAE는 정말 선명하고 날카로운 다채로운 이미지를 얻기 위한 마지막 손길이라고 생각할 수 있습니다. VAE를 사용하지 않는 일부 모델에서는 색상이 매우 칙칙하고 바래 보이거나 디테일이 떨어집니다.

따라서 현재 실행 중인 모델에 VAE가 내장되어 있는지 확인하거나 그렇지 않은 경우 자체 VAE를 함께 사용해야 합니다.

이것으로 모델 섹션은 거의 다 다루었습니다. 이제 Stable Diffusion을 사용하는 동안 가장 중요하고 일반적인 확장 기능에 대해 알아보겠습니다.

좋습니다. 첫 번째 확장 기능이자 기본적인 텍스트-이미지 프롬프트 외에 다른 작업을 수행하려는 경우 Stable Diffusion을 사용하는 동안 가장 중요한 것 중 하나는 ControlNet입니다.

ControlNet은 직선, 깊이, 캐릭터 위치와 같은 이미지의 다양한 구조를 읽기 위해 특정 데이터 세트에서 훈련된 다양한 모델로 구성되어 있으며, 사진 속 캐릭터 안에 더미를 실제로 배치하여 해당 더미를 가져와 해당 사람이 취한 정확한 포즈 위에 완전히 새로운 사람을 생성할 수 있습니다.

이미지-이미지 또는 비디오-비디오와 관련된 작업을 수행하려면 ControlNet이 필수적입니다.

다음은 DeForum입니다. DeForum은 대규모 생성 AI 도구 세트를 구축하는 AI 이미지 합성 개발자, 매니아 및 아티스트 커뮤니티입니다.

텍스트 프롬프트를 가져와 특정 확대/축소, 패닝 및 회전 동작을 키프레임으로 지정할 수 있는 매우 부드러운 비디오 출력을 생성할 수 있는 매우 인기 있는 Automatic1111 확장 기능으로 가장 잘 알려져 있습니다.

다음으로 ESRGAN, 즉 Enhanced Super-Resolution Generative Adversarial Network가 있습니다. ESRGAN은 저해상도 픽셀에서 고해상도 이미지를 생성하는 데 사용되는 기술입니다.

720p 이미지를 1080p로 업스케일한다고 생각하면 됩니다. 이 모델은 많은 스테이블 디퓨전 인터페이스에서 흔히 볼 수 있습니다.

다음으로 AnimateDiff가 있습니다. AnimateDiff는 텍스트-이미지 및 이미지-이미지 생성에 움직임을 주입하는 데 사용되는 기술입니다. 이것들은 스테이블 디퓨전을 사용하는 동안 접하게 될 핵심 개념, 용어 및 구문입니다.

만약 길을 잃거나, 어떤 의미인지 파악하는 데 추가적인 도움이 필요하거나, 참고할 자료가 필요한 경우, Civitai의 스테이블 디퓨전 용어집을 방문하십시오.

com 교육 허브에서 확인하세요. 다음 영상에서 뵙겠습니다.

핵심 개념과 용어를 다루는 AI 아트 초보자 가이드 개요입니다.

cai.com에서 소프트웨어 설치 및 리소스 다운로드.

초보자를 위한 일반적인 용어와 개념에 대한 설명입니다.

다양한 이미지 생성 유형에 대해 논의합니다.

텍스트-이미지 변환: 텍스트 프롬프트에서 이미지 생성하기.

이미지 대 이미지 및 배치 이미지 대 이미지: 기존 이미지를 입력으로 사용합니다.

채색하기: 마스크를 사용하여 이미지에서 개체를 추가하거나 제거합니다.

텍스트-투-비디오 및 비디오-투-비디오: 동영상 생성 및 변환

프롬프트 및 네거티브 프롬프트: 텍스트 입력으로 이미지 생성 제어하기.

업스케일링: 이미지 해상도 향상.

체크포인트/모델: 이미지 생성을 주도하는 훈련된 모델.

체크포인트(.ckpt) 및 세이프 텐서: 모델용 파일 형식.

학습 데이터: 모델 학습에 사용되는 데이터 세트(예: LAION-5B).

스테이블 디퓨전 1.5 및 스테이블 디퓨전 XL 1.0: 모델 버전.

LORA: 특정 스타일이나 컨셉을 위한 낮은 순위의 적응 모델입니다.

텍스트 반전 및 임베딩: 특정 개념에 대한 더 작은 데이터 세트.

VAE: 이미지 디테일과 색상을 개선하기 위한 옵션 파일입니다.

컨트롤넷: 이미지 구조와 문자 위치를 제어하기 위한 모델입니다.

포럼: 키프레임으로 원활한 동영상 생성을 위한 확장 기능입니다.

ESRGAN: 고해상도 이미지 생성 기술.

AnimDiff: 이미지 생성에 모션을 주입하는 기술입니다.

Civitai Beginners Guide To AI Art // #1 Core Concepts

스크립트