Initiation à la génération d'images

Leçon 1 • Qu'est-ce que la Génération d'Images par IA

Définit la génération d'images par IA et la distingue de l'art numérique traditionnel. Établit le vocabulaire utilisé tout au long du cours.

Leçon 2 • Concepts Fondamentaux de l'Apprentissage Automatique

Présente les principes d'apprentissage automatique sous-jacents aux générateurs d'images. Relie les concepts mathématiques abstraits au comportement pratique de génération.

Leçon 3 • Histoire de l'IA Visuelle Générative

Retrace l'évolution, des premiers neurones artistiques aux modèles de diffusion modernes. Fournit le contexte pour comprendre les capacités et limites actuelles.

Leçon 4 • Aperçu des Principales Architectures de Modèles

Présente les GAN, les VAE et les modèles de diffusion à un niveau conceptuel. Prépare les étudiants à choisir l'outil adapté à une tâche donnée.

Leçon 1 • Conditionnement Texte-Image

Explique comment les invites textuelles guident le processus de débruitage via le conditionnement. Relie la compréhension du langage à la qualité de la sortie visuelle.

Leçon 2 • Points de Contrôle et Variantes de Modèles

Fait la distinction entre les modèles de base, les points de contrôle affinés et les variantes fusionnées. Prépare les étudiants à sélectionner les modèles appropriés pour des styles visuels spécifiques.

Leçon 3 • Évaluation de la qualité des points de contrôle

Présente les échantillonneurs courants et leur effet sur la vitesse et la qualité de l'image. Permet aux étudiants de faire des choix éclairés d'échantillonneurs en pratique.

Leçon 4 • Modèles de Diffusion Latente

Explique comment opérer dans l'espace latent réduit les calculs tout en préservant la qualité. Explique le pipeline encodeur-décodeur utilisé dans les outils modernes.

Leçon 1 • Références de Style et d'Artistes

Explore comment la référence à des styles et mouvements artistiques façonne la sortie visuelle. Aborde les considérations éthiques lors de l'invocation d'artistes vivants.

Leçon 2 • Pondération et Accentuation des Tokens

Couvre la syntaxe pour augmenter ou diminuer l'influence des tokens dans les outils pris en charge. Permet un contrôle fin des éléments de composition et de style.

Leçon 3 • Invites Positives et Négatives

Explique comment les invites négatives excluent les éléments indésirables des résultats. Démontre l'interaction entre le poids des invites positives et négatives.

Leçon 4 • Affinage Itératif des Invites

Présente un processus systématique pour diagnostiquer et améliorer les échecs d'invites. Développe l'habitude d'itération fondée sur des preuves plutôt que sur des essais et erreurs aléatoires.

Leçon 1 • Échelle CFG et Adhérence à l'Invite

Définit l'échelle de guidage sans classifieur et son effet sur la créativité vs. la précision. Guide les étudiants pour calibrer le CFG en fonction des différents types d'invites.

Leçon 2 • Nombre d'Étapes et Compromis de Qualité

Analyse comment le nombre d'étapes d'inférence affecte le détail, la cohérence et le temps de génération. Établit des plages d'étapes pratiques pour le prototypage vs. la sortie finale.

Leçon 3 • Taille de Lot et Stratégies de Variation

Enseigne la génération simultanée de plusieurs candidats pour accélérer la sélection. Relie les workflows par lot à une prise de décision créative efficace.

Leçon 4 • Valeurs de Seed et Reproductibilité

Explique comment les seeds initialisent le bruit et permettent la reproduction exacte des résultats. Démontre la variation de seed pour une exploration créative contrôlée.

Leçon 1 • Fondamentaux de l'Image-à-Image

Présente l'img2img comme une génération guidée amorcée à partir d'une image existante. Explique la force de débruitage comme paramètre de contrôle principal.

Leçon 2 • Outpainting et Extension du Canva

Enseigne à étendre les limites d'une image au-delà du cadre original de manière cohérente. Démontre les cas d'utilisation dans l'expansion de scène et la conversion de format.

Leçon 3 • Mise à l'Échelle et Amélioration des Détails

Couvre les méthodes de mise à l'échelle par IA et les workflows de correction haute résolution. Produit des images prêtes pour l'impression ou grand format à partir de générations de résolution inférieure.

Leçon 4 • Essentiels du Workflow d'Inpainting

Couvre la création de masques et l'inpainting pour remplacer ou réparer des zones d'image. Relie la précision du masquage à la cohérence de la sortie.

Leçon 1 • Contrôles de Profondeur et de Carte Normale

Utilise des cartes de profondeur et des cartes normales pour maintenir les relations spatiales tridimensionnelles. Prend en charge l'éclairage réaliste et la perspective dans les scènes générées.

Leçon 2 • Contrôles de Pose et de Squelette

Applique OpenPose et DWPose pour verrouiller les positions du corps humain dans les images générées. Permet un positionnement cohérent des personnages sur plusieurs résultats.

Leçon 3 • Combinaison de Plusieurs ControlNets

Démontre l'empilement d'unités ControlNet pour appliquer des contraintes simultanées. Enseigne l'équilibrage des poids pour éviter les artefacts de guidage contradictoires.

Leçon 4 • Introduction à ControlNet

Explique ControlNet comme une couche de conditionnement qui ajoute un contrôle spatial à la diffusion. Le positionne par rapport aux approches basées uniquement sur les invites et l'img2img.

Leçon 1 • Inversion Textuelle et Intégrations

Enseigne l'entraînement de nouveaux tokens pour représenter des concepts sans modifier les poids du modèle. Produit des intégrations de concepts légères et portables.

Leçon 2 • Fondamentaux de l'Entraînement LoRA

Présente l'adaptation de bas rang comme une méthode d'affinage efficace. Produit des adaptateurs de modèle petits et empilables pour l'entraînement de style ou de sujet.

Leçon 3 • Évaluation et Déploiement de Modèles Personnalisés

Établit des métriques et des tests visuels pour évaluer la qualité de l'affinage. Couvre l'empaquetage et le partage responsable de modèles personnalisés.

Leçon 4 • Préparation et Curation de Jeux de Données

Couvre la sélection, le nettoyage et le sous-titrage d'images pour les jeux de données d'entraînement. La qualité du jeu de données détermine directement la qualité de la sortie de l'affinage.

Leçon 1 • Post-traitement et Composition

Couvre les étapes essentielles de post-traitement pour finaliser les images générées par IA. Intègre les actifs générés dans des pipelines plus larges de conception et de composition.

Leçon 2 • Production par Lots à Grande Échelle

Enseigne des techniques d'automatisation pour générer efficacement de grands volumes d'actifs. Couvre les stratégies de script, de mise en file d'attente et d'organisation des sorties.

Leçon 3 • Assurance Qualité et Révision

Définit des critères de qualité pour l'anatomie, la cohérence et l'alignement de la marque. Établit un processus de révision structuré avant la livraison au client.

Leçon 4 • Conception d'un Workflow Reproductible

Structure les tâches de génération en étapes définies, du brief à la livraison finale. Réduit les reprises en normalisant les points de décision et les jalons.