很久没有更新文章，最近
真的太忙啦
![]()
，在T2I领域，
学习速度真的赶不上进化速度！
每天都有无数新模型、新插件、新玩法涌现。玩得太上瘾啦。
上月初我去参加我硕士专业的夏季烧烤大趴，跟我的论文导师重逢（好多年没见啦）。他今年也赶风头开课讲授 Generative AI 与商业创新的结合。不过他的课主要讲的是LLM，听说我在玩T2I，就邀请我回母校的商学院做了个分享。我为那次分享
做了个简单
时间线，罗列了我认为文生图领域至关重要的里程碑（基于扩散模型）。
这个领域的一切都始于
CLIP
开源，CLIP 是一个通过自然语言监督有效地学习视觉概念的神经网络。通过使用 CLIP 可将文本和图像连接在一起。
CLIP 的全称是 Contrastive Language–Image Pre-training，也就是文本和图像对照的预训练模型，数据集使用的是 LAION-400M，包含 4 亿组从互联网上收集的 文本-图像对。文本编码器提取文本特征，图像编码器提取图像特征，两个放到一起对比相似度，从而让 AI “掌握” 文本-图像 的匹配关系。
21 年 1 月 CLIP 发布后（与 CLIP 一起发布的还有 DALL·E 第一代文生图模型，生成能力有限），基于它的各种文生图模型相继出现，Disco Diffusion 也是在这个时候诞生，此时它们的生成效果都并不理想，但社区对未来充满了憧憬。
21 年 12 月，OpenAI 发布了
Glide
，即 Guided Language-to-Image Diffusion，它是 DALLE 2 的基础。
同一个月，慕尼黑大学 Compvis 实验室发布了
Latent Diffusion
的论文 High-Resolution Image Synthesis with Latent Diffusion Models，它是生成能力实现重大突破基础
。
基于 Glide 的论文和各种探索，
T2I 开源社区
开启了 Disco Diffusion 项目，22 年 3 月
Disco Diffusion v5
发布，这是图像生成模型第一次出圈引爆，吹响了打开 AI 艺术大门的号角，魔法由此开始释放。
同一个月，
Midjourney
通过包装使用 Disco Diffusion，进行了商业应用。
22 年 4 月
，OpenAI 发布了
DALL·E 2
。它的生成能力有了较大提升，但光芒很快就会被掩盖。
为了与 OpenAI 竞争，
G
oogle
在
22 年 5 月和 6 月
发布了
Imagen
和
Parti
的论文，但一直没有公开发布过产品，极少有人真正体验过这两个 SOTA 模型，Google 保持着其在ML研究领域高调发paper但绝不ship任何产品的姿态，在T2I领域同样也起大早赶晚集，最后甚至压根就没现身。
真正的转折点来了，22 年 8 月发布的
Stable Diffusion 1.5
，由 Stability AI 与慕尼黑大学 Compvis 实验室合作训练完成。它的光芒很快盖过了其他模型，加之后来的 LoRA 和 ControlNet 如虎添翼，构建了庞大的 SD 生态。
同月，谷歌发布了
Dreambooth
的论文 DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation。对自家的T2I 预训模型（也就是前文提到的Imagen，当然这个技术也可以应用于其它扩散模型）进行微调，使其学会将某
identifier
与该特定主题绑定。
只要输入少量该主题的图片用于训练（通常3-5张），就可让模型能用该
identifier
生成该主题的在不同背景下演绎的个性化图像。比如把"xiqiao_meowmeow"与一些我的脸图绑定后训练，就能用
xiqiao_meowmeow
生成出我在画漫画的结果，即使训练素材里只包含了我的脸。
22 年 11 月
Midjourney v4
发布，它的生成能力和艺术感惊人，使其一举奠定了MJ 作为商业闭源模型无法撼动的王者地位。
23 年1 月，
LoRA
诞生，"它并不改变原模型的权重，而是在线性层旁边新增一个下采样-上采样的支路，通过训练这个支路来完成微调。因此，同一个基底 SD 模型可以搭载不同的 LoRA 使用，具有很高的灵活性。由于 LoRA 支路网络的参数量小，相比微调整个模型，对算力的需求更加友好，并且也能达到不错的效果，因此很快受到大家的热烈欢迎，成为了目前最流行的微调 SD 的方法之一。"
https://zhuanlan.zhihu.com/p/640144661
2 月，这个领域的天才人物
张吕敏发布
ControlNet
。
它的出现代表着 T2I 生成开始真正变得可控，能够成为真正的生产力工具。ControlNet 比之前 img2img 提供了更丰富更准确的控制方式，可以直接提取 input 画面的边缘、深度、语义分隔、深度信息，以及人物的姿势等
。精确控制AI 生成完美的手势和正确的手指再也不是问题。
3 月 Adobe 发布了
Firefly
，将生成式 AI 集成到自己的产品 Photoshop Beta 以及面向普通人的 Express 中，正式加入这张大战。Adobe 在自家拳头产品里的深度集成（碾压了所有第三方插件）以及我烧得起钱你随便用的战略，使其在AI图像的生成量极快的上升，远超 DALLE2。虽然上场晚，但稳坐第三把交椅。
7 月，Stability 开源了
SDXL1.0
，Stability.AI 最新一代旗舰模型。当之无愧的最强开源文生图模型。高参数，高分辨率，极强的 prompt 理解力，极强的写真照片类图像生成能力，当然推理和训练成本也大大提高，将会重塑 T2I开源社区的格局。
回顾文生图扩散模型的发展史，才两年多时间就走到了今天，成为一项一种
每天被数百万人使用的技术，在许多领域塑造着未来。
SDXL1.0 发布后，我花了两周的时间，开足马力，电力拉满，将两个新模型 MJv5.2 和 SDXL1.0 的艺术家风格图跑出来，添加到 AIGC 艺术样式库 lib.KALOS.art 中。
目前文生图基础模型中，谁的生成能力更强，艺术感更好呢？
我们以几位代表性艺术家的 Fine-art 类肖像画来做一个比较，看看这一年来，SD和MJ这两家文生图模型的进化：
Vincent van Gogh
，风格识别度极高，无人不知的传奇艺术家
SD1.5
https://lib.kalos.art/artist/aa142cf4-c57a-4985-93ab-b53f803a6bc3?model=2
SDXL1.0
https://lib.kalos.art/artist/aa142cf4-c57a-4985-93ab-b53f803a6bc3?model=5
MJv4
https://lib.kalos.art/artist/aa142cf4-c57a-4985-93ab-b53f803a6bc3?model=1
MJv5.2
https://lib.kalos.art/artist/aa142cf4-c57a-4985-93ab-b53f803a6bc3?model=4
Edmund Dulac
，以精细而飘逸画风为特色的书籍、杂志插画家，著名的纸币、邮票设计师
SD1.5
https://lib.kalos.art/artist/a36e9799-fa7c-40b4-855f-9ea160f699a6?model=2
SDXL1.0
https://lib.kalos.art/artist/a36e9799-fa7c-40b4-855f-9ea160f699a6?model=5
MJv4
https://lib.kalos.art/artist/a36e9799-fa7c-40b4-855f-9ea160f699a6?model=1
MJv5.2
https://lib.kalos.art/artist/a36e9799-fa7c-40b4-855f-9ea160f699a6?model=4
Amedeo Modigliani
，以优美弧形曲线和修长脖颈为特色的意大利肖像画家
SD1.5
https://lib.kalos.art/artist/0900ebd2-6ce1-4e2b-ba91-bc7f6f84cdbd?model=2
SDXL1.0
https://lib.kalos.art/artist/0900ebd2-6ce1-4e2b-ba91-bc7f6f84cdbd?model=5
MJv4
https://lib.kalos.art/artist/0900ebd2-6ce1-4e2b-ba91-bc7f6f84cdbd?model=1
MJv5.2
https://lib.kalos.art/artist/0900ebd2-6ce1-4e2b-ba91-bc7f6f84cdbd?model=4
Sandro Botticelli
，文艺复兴早期画风优雅飘逸的意大利画家，《维纳斯的诞生》和《春意盎然》
SD1.5
https://lib.kalos.art/artist/750d588d-de84-455d-b845-4f44b30cf931?model=2
SDXL1.0
https://lib.kalos.art/artist/750d588d-de84-455d-b845-4f44b30cf931?model=5
MJv4
https://lib.kalos.art/artist/750d588d-de84-455d-b845-4f44b30cf931?model=1
MJv5.2
https://lib.kalos.art/artist/750d588d-de84-455d-b845-4f44b30cf931?model=4
Aubrey Beardsley
，唯美主义和颓废主义的先驱，无可匹敌的黑白装饰风格艺术家
SD1.5
https://lib.kalos.art/artist/44f5df6c-0bcd-41f1-9547-3ab3775cbf65?model=2
SDXL1.0
https://lib.kalos.art/artist/44f5df6c-0bcd-41f1-9547-3ab3775cbf65?model=5
MJv4
https://lib.kalos.art/artist/44f5df6c-0bcd-41f1-9547-3ab3775cbf65?model=1
MJv5.2
https://lib.kalos.art/artist/44f5df6c-0bcd-41f1-9547-3ab3775cbf65?model=4
Cecily Brown
，突破具象绘画边界，探索性和欲望，充满活力和富有表现力的抽象画大师
SD1.5
https://lib.kalos.art/artist/fa758d06-5875-444f-b0a0-a9e6f9ca88f8?model=2
SDXL1.0
https://lib.kalos.art/artist/fa758d06-5875-444f-b0a0-a9e6f9ca88f8?model=5
MJv4
https://lib.kalos.art/artist/fa758d06-5875-444f-b0a0-a9e6f9ca88f8?model=1
MJv5.2
https://lib.kalos.art/artist/fa758d06-5875-444f-b0a0-a9e6f9ca88f8?model=4
Jean Metzinger
，立体主义画派奠基人之一，碎片化、几何和多重视角
SD1.5
https://lib.kalos.art/artist/31dbd5f2-0884-4af7-8dc0-8041695645c9?model=2
SDXL1.0
https://lib.kalos.art/artist/31dbd5f2-0884-4af7-8dc0-8041695645c9?model=5
MJv4
https://lib.kalos.art/artist/31dbd5f2-0884-4af7-8dc0-8041695645c9?model=1
MJv5.2
https://lib.kalos.art/artist/31dbd5f2-0884-4af7-8dc0-8041695645c9?model=4
Max Beckmann
，大胆的表现主义大师，捕捉人物心理，描绘人类的处境，探索苦难、孤立和现代生活的复杂性
SD1.5
https://lib.kalos.art/artist/596ccd0c-8223-4c8f-b72f-b4f627fa04ed?model=2
SDXL1.0
https://lib.kalos.art/artist/596ccd0c-8223-4c8f-b72f-b4f627fa04ed?model=5
MJv4
https://lib.kalos.art/artist/596ccd0c-8223-4c8f-b72f-b4f627fa04ed?model=1
MJv5.2
https://lib.kalos.art/artist/596ccd0c-8223-4c8f-b72f-b4f627fa04ed?model=4
Egon Schiele
，以扭曲但极富表现力的人物形象闻名，早期表现主义大师
SD1.5
https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=2
SDXL1.0
https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=5
MJv4
https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=1
MJv5.2
https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=4
Coby Whitmore
，捕捉 20 世纪中期华丽、时尚社会生活本质的优雅女性肖像画
