Cours d'introduction 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 de l'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 transferts de style neuronaux aux modèles de diffusion modernes. Fournit le contexte nécessaire pour comprendre les capacités et les limites actuelles.

Leçon 4 • Présentation des principales architectures de modèles

Passe en revue les GAN, les VAE et les modèles de diffusion à un niveau conceptuel. Prépare les étudiants à choisir l'outil approprié pour 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

Distingue les modèles de base des points de contrôle ajustés et des variantes fusionnées. Prépare les étudiants à sélectionner les modèles appropriés pour des styles visuels spécifiques.

Leçon 3 • Méthodes d'échantillonnage et planificateurs

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 dans la pratique.

Leçon 4 • Modèles de diffusion latente

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

Leçon 1 • Références de style et d'artistes

Explore comment le référencement de styles et de mouvements artistiques façonne la sortie visuelle. Aborde les considérations éthiques liées à l'invocation d'artistes vivants.

Leçon 2 • Pondération et mise en relief des jetons

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

Leçon 3 • Invites positives et négatives

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

Leçon 4 • Affinement itératif des invites

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

Leçon 1 • Échelle CFG et respect de l'invite

Définit l'échelle de guidance sans classifieur et son effet sur la créativité par rapport à la précision. Guide les étudiants pour calibrer la CFG pour 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 pratiques d'étapes pour le prototypage par rapport à 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 flux de travail par lots à une prise de décision créative efficace.

Leçon 4 • Valeurs de graine et reproductibilité

Explique comment les graines initialisent le bruit et permettent la reproduction exacte des résultats. Démontre la variation des graines 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 de toile

Enseigne l'extension cohérente des limites d'une image au-delà du cadre d'origine. Démontre les cas d'usage dans l'expansion de scènes et la conversion de format.

Leçon 3 • Mise à l'échelle et amélioration des détails

Aborde les méthodes de mise à l'échelle par IA et les flux de travail de correction haute résolution. Produit des images prêtes pour l'impression ou grand format à partir de générations en basse résolution.

Leçon 4 • Essentiels du flux de travail d'incrustation

Aborde la création de masques et l'incrustation pour remplacer ou réparer des zones d'une 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 normales pour maintenir les relations spatiales tridimensionnelles. Prend en charge un éclairage et une perspective réalistes 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 posing cohérent des personnages sur plusieurs sorties.

Leçon 3 • Combinaison de plusieurs ControlNets

Démontre l'empilement d'unités ControlNet pour imposer des contraintes simultanées. Enseigne l'équilibrage des poids pour éviter les artefacts de guidance conflictuelle.

Leçon 4 • Introduction à ControlNet

Explique ControlNet en tant que couche de conditionnement qui ajoute un contrôle spatial à la diffusion. Le positionne par rapport aux approches basées uniquement sur les invites et img2img.

Leçon 1 • Inversion textuelle et embeddings

Enseigne l'entraînement de nouveaux jetons pour représenter des concepts sans modifier les poids du modèle. Produit des embeddings de concepts légers et portables.

Leçon 2 • Fondamentaux de l'entraînement LoRA

Présente l'adaptation de bas rang comme méthode d'ajustement fin 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'ajustement fin. Aborde le packaging et le partage responsable de modèles personnalisés.

Leçon 4 • Préparation et curation d'ensembles de données

Aborde la sélection, le nettoyage et le sous-titrage des images pour les ensembles de données d'entraînement. La qualité de l'ensemble de données détermine directement la qualité de la sortie de l'ajustement fin.

Leçon 1 • Post-traitement et composition

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

Leçon 2 • Production par lots à grande échelle

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

Leçon 3 • Assurance qualité et révision

Définit les 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 flux de travail reproductible

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