[Day1] 緣起
Author: Nick Zhuang
Type: AI & Data
這是一張利用Stable Diffusion生成的圖片，賽博龐克的風格，歡迎大家進入AIGC的世界。
提要
- ●
- ●
- ●
- ●
整體大綱
本次參賽，預計攻克篇幅如下，共計30篇，以下是進行的內容。
- 緣起
- 先來了解AIGC是什麼東東
- ○AIGC的定義
- ○AIGC的意義：PGC → UGC → AIGC
- ○
- AIGC的特色與應用
- ○AIGC的特色
- ○AIGC的應用
- ○
- AIGC的演進
- ○VAE
- ○GAN
- ○PixelRNN
- ○Flow
- ○Diffusion
- ○Transformer
- ○Nerf
- ○CLIP
- ○
- VAE原理
- ○什麼是自編碼器
- ○自編碼器的種類
- ○自編碼器的各種用途
- ○
- GAN原理
- ○什麼是GAN
- ○GAN的種類
- ○GAN的各種用途
- ○
- PixelRNN原理
- Diffusion原理
- Flow原理
- Transformer原理
- ○什麼是Transformer
- ○Transformer的由來
- ○近年來Transformer的演進
- ○
- Nerf原理
- CLIP原理
- 生成式圖像工具介紹
- Stable Diffusion原理
- Dreambooth原理
- LORA原理
- ControlNet原理
- Super Resolution - SwinIR
- SD的安裝教學，介面總覽
- SD生成模式介紹與使用一（常見功能）
- SD生成模式介紹與使用二（進階功能）
- SD生成模式介紹與使用三（推薦插件之一）
- SD生成模式介紹與使用三（推薦插件之二）
- CivitAI介紹-模型來源
- 模型可以應用的常見種類
- 套用與下載位置
- 訓練Checkpoint方式
- 訓練Lora方式
- Embedding
- Hyper parameter network
- SD XL介紹
- 總結與完賽心得
前情提要
近年來，隨著生成式AI的崛起，基礎知識及其對應的應用方向也蔚成顯學，因應數位轉型的Side Project需求，筆者近期開始研究關於AIGC的內容，為了能夠幫助大家快速了解其中的內容，因此有了本次參賽的想法，能夠一次把AIGC的結構梳理清楚。
如上述所示，可以看到內容其實非常多，要看超級多的paper，我會帶大家把基礎知識重新走一遍，然後才會帶到主軸Stable Diffusion的內容，所以以下的文章會以能夠解釋Stable Diffusion原理及應用為主，其中也涵蓋該軟體的詳細操作。
有試過的朋友應該都可以理解，Stable Diffusion中能操作的項目非常之多，觀念細部探究也非常之深，希望能幫助到大家，這系列文不是給大神看的，我也不是大神，其中敘述不夠精確之處還請大家包涵，在每篇文章多少都會些有批判性思考的論述環節，這也是跟直接用ChatGPT生出的內容有極大不同之處，期許自己能順利完成，讓大家都能理解和喜歡AIGC相關的知識及奧妙之處。
補充章節
如果這系列文有得獎的話，會再加至少五篇的內容（為保障品質，不會每日更）
我會再嘗試探討幾個面向以補足既有方面的不足，簡述如下：
- AIGC的道德倫理相關探討內容
- AIGC與AGI的差異，及近期AGI的發展與演進
- AIGC延伸內容；例如，LLM相關的(文字生成)
後續為保障內容易於理解，所以幾乎不會放公式那些，我會提到一些，但會著重在講解這些公式的用途與意義。
也不會放數學證明，這不是理論課，真有需要再另外開版，我是覺得沒人想看這種XD。
知識如果不能應用的話，那就只是知識而已，知識要能很好地應用，才能轉化成人的智慧，是謂智人。（不是名言，我說的XDD）
適用對象
如果你是AI小白，可以放心服用，不會講一堆囉哩八唆的。
如果你有點程度，這系列文已經把相關文章及論文整理好了，可以按照自己的進度服用。
如果你是大神，筆者也還在學習中，歡迎多交流，不吝分享您的知識。
如果你是工程師，你將會知道架設環境的方式及該如何使用。
如果你是PM（Project Manager），你將會知道哪些地方可以使用這個東西，減少跨部門的溝通成本。
如果你是技術主管，你將會知道近期生成式AI的發展，並將其想法研擬成研發計畫。
如果你是企業主，你將能了解生成式AI與你的企業願景是否契合，評估是否要導入AIGC等問題。
小結
本日介紹了預計30天的大綱內容，希望可以順利趕稿成功XD，帶給大家深入淺出的內容，明天見！
參考連結
- ●
- ●