Corso di Generazione Immagini AI

Lezione 1 • Principali Tipologie di Modelli Generativi

Passa in rassegna GAN, VAE e modelli di diffusione a livello concettuale. Aiuta i discenti ad abbinare le tipologie di modello ai casi d'uso appropriati.

Lezione 2 • Panorama Etico e Legale

Introduce le questioni di copyright, consenso e bias specifiche dell'immaginario generato dall'IA. Inquadra la pratica responsabile come standard professionale di base.

Lezione 3 • Storia dell'IA Visiva Generativa

Traccia l'evoluzione dalla prima arte neurale ai moderni modelli di diffusione. Fornisce il contesto per comprendere le capacità e i limiti attuali.

Lezione 4 • Come i Modelli Apprendono i Pattern Visivi

Spiega i dati di addestramento, le funzioni di perdita e l'apprendimento iterativo in termini semplici. Collega il comportamento del modello ai dati su cui è stato addestrato.

Lezione 1 • Scaricare e Gestire i Modelli

Tratta i repository di modelli, i formati di file e l'organizzazione dell'archiviazione locale. Previene gli errori comuni causati da file di modello non corrispondenti o corrotti.

Lezione 2 • Scegliere una Piattaforma di Generazione

Confronta interfacce web, applicazioni desktop e pipeline basate su codice. Guida i discenti verso la piattaforma più adatta al loro flusso di lavoro.

Lezione 3 • Eseguire la Prima Generazione

Esegue una generazione testo-immagine di base con impostazioni predefinite. Conferma il funzionamento dell'ambiente e introduce il ciclo di feedback della generazione.

Lezione 4 • Requisiti Hardware e Cloud

Delinea le esigenze di GPU, RAM e archiviazione per configurazioni locali e alternative cloud. Consente decisioni informate sugli investimenti in infrastruttura.

Lezione 1 • Perfezionamento Iterativo dei Prompt

Stabilisce un flusso di lavoro sistematico di test e revisione per il miglioramento dei prompt. Sviluppa competenze diagnostiche per identificare perché gli output si discostano dall'intento.

Lezione 2 • Prompt Positivo e Negativo

Insegna come specificare gli elementi desiderati ed escludere esplicitamente quelli indesiderati. Riduce artefatti e contenuti fuori tema negli output.

Lezione 3 • Ponderazione e Sintassi dei Prompt

Introduce la ponderazione dei token, la sintassi dell'attenzione e l'ordinamento delle parole chiave. Fornisce un controllo preciso su quali elementi dominano la composizione.

Lezione 4 • Anatomia di un Prompt Efficace

Scompone soggetto, stile, medium artistico, illuminazione e atmosfera come componenti del prompt. Mostra come ogni elemento indirizzi l'output del modello.

Lezione 1 • Risoluzione e Proporzioni

Tratta i limiti di risoluzione nativa, gli effetti delle proporzioni e le strategie di affiancamento. Previene i comuni artefatti di distorsione dovuti a impostazioni di risoluzione errate.

Lezione 2 • Generazione in Lotto e Variazione

Utilizzare la dimensione del lotto e la variazione del seed per esplorare efficientemente lo spazio degli output. Supporta flussi di lavoro di esplorazione rapida dei concetti e selezione.

Lezione 3 • Preimpostazioni e Profili dei Parametri

Organizza combinazioni di parametri usate frequentemente in preimpostazioni riutilizzabili. Accelera i flussi di lavoro di produzione e garantisce coerenza tra le sessioni.

Lezione 4 • Steps, Scala CFG e Seed

Spiega come interagiscono gli step di inferenza, la guida senza classificatore e i seed. Fornisce un modello mentale per output riproducibili e variati.

Lezione 1 • Flusso di Lavoro dell'Inpainting

Tratta la creazione di maschere, le modalità di riempimento e l'allineamento del prompt per l'inpainting. Consente modifiche mirate senza rigenerare l'intera immagine.

Lezione 2 • Fondamenti di Immagine-a-Immagine

Introduce la forza di denoising e come le immagini di input guidano la generazione. Stabilisce la differenza concettuale tra flussi di lavoro txt2img e img2img.

Lezione 3 • Outpainting ed Estensione della Tela

Estende i confini dell'immagine usando l'outpainting per espandere scene o composizioni. Insegna strategie di sovrapposizione e prompt per una fusione omogenea dei bordi.

Lezione 4 • Trasferimento di Stile tramite Img2Img

Applica nuovi stili artistici a immagini esistenti preservandone la struttura. Collega i parametri img2img alla trasformazione stilistica controllata.

Lezione 1 • Combinare ControlNet Multipli

Impila input di condizionamento per controllare simultaneamente posa, profondità e bordi. Insegna il bilanciamento dei pesi per prevenire segnali di controllo contrastanti.

Lezione 2 • Condizionamento con Mappe di Profondità e Normali

Estrae mappe di profondità e normali per preservare le relazioni spaziali 3D. Mantiene la geometria della scena quando si applica un nuovo stile o si trasformano le immagini.

Lezione 3 • Condizionamento con Bordi e Linee

Utilizza preprocessori Canny, MLSD e lineart per guidare la composizione a partire dai bordi. Consente un controllo preciso della composizione da schizzi o immagini esistenti.

Lezione 4 • Panoramica dell'Architettura di ControlNet

Spiega come ControlNet si collega a un modello base per iniettare guida spaziale. Fornisce le basi concettuali per tutti i flussi di lavoro di condizionamento.

Lezione 1 • Embedding di Textual Inversion

Addestra un nuovo token per rappresentare un concetto utilizzando un piccolo set di immagini. Produce embedding leggeri e portatili per l'iniezione di stile o soggetto.

Lezione 2 • Addestramento e Applicazione di LoRA

Addestra strati di adattamento a basso rango per catturare stili o personaggi in modo efficiente. Le LoRA sono il formato di perfezionamento più pratico per la maggior parte dei flussi di lavoro.

Lezione 3 • Preparazione del Dataset e Didascalizzazione

Tratta la selezione delle immagini, la standardizzazione della risoluzione e gli strumenti di didascalizzazione automatica. Dataset di alta qualità sono il principale fattore di successo dell'addestramento.

Lezione 4 • Addestramento Completo del Modello Dreambooth

Esegue il perfezionamento Dreambooth completo per un'incorporazione profonda del soggetto o dello stile. Tratta la perdita di preservazione a priori per mantenere la capacità generale del modello.

Lezione 1 • Progettare una Pipeline Riproducibile

Mappa l'intero processo di generazione dal brief all'asset finale utilizzando fasi strutturate. Riduce le rilavorazioni standardizzando le decisioni in ogni fase della pipeline.

Lezione 2 • Integrazione della Post-Produzione

Integra gli output dell'IA con strumenti di editing raster per la rifinitura e la correzione finale. Colma il divario tra generazione e asset pronti per la consegna.

Lezione 3 • Criteri di Valutazione della Qualità

Definisce metriche di qualità oggettive e soggettive per le immagini generate dall'IA. Consente una valutazione coerente tra i membri del team e i progetti.

Lezione 4 • Controllo di Versione e Gestione degli Asset

Organizza prompt, seed, modelli e output per la tracciabilità e il riutilizzo. Previene la perdita di configurazioni di successo e supporta la collaborazione in team.