单元三 · 图像声音与视频的智能生成
第12课 图像的生成方式
一、学习目标
- 了解常见的图像智能生成思路。
- 认识对抗生成与扩散生成等基本思想。
- 能结合体验说明不同方式的特点。
二、情境导入
计算机如何「凭空」画出从未拍过的图像？
对抗生成与扩散生成听起来很玄，它们在做什么？
三、核心讲解
本课学习路径：
1对抗生成
2扩散生成
1．对抗生成
生成器负责造图，判别器负责分辨真假；两者对抗训练，使生成结果越来越像真实图像。
对抗生成：生成与判别相互博弈：生成器提高逼真度，判别器提高分辨力，共同推动质量提升。
- 训练中两者能力此消彼长，需要平衡
- 可在相关组件中观察生成样本变化
- 对抗训练对稳定性与模式崩溃等问题敏感
想一想：如果判别器永远远强于生成器，训练可能出现什么现象？
2．扩散生成
扩散方法常通过逐步加噪再逐步去噪，从噪声中恢复出清晰图像，并可结合文本条件控制内容。
扩散生成：在噪声与清晰图像之间建立可学习的去噪过程，从而采样出新图像。
- 去噪步数、条件提示等会影响细节与相关性
- 文生图常用扩散类思路结合文本条件
- 对比对抗与扩散：训练方式与可控性体验有何不同
想一想：为什么「从噪声还原」也能生成新内容，而不只是复制训练集？
弄清以上要点后，再进入下方动手体验，用实际操作验证。
四、动手体验 · MixAI 组件
请在下列组件中完成操作，至少体验一个并记录现象。
组件 model_adversarial_image_generation — 在框内完成操作
组件 model_diffusion_image_generation — 在框内完成操作
五、课堂总结
- 对抗生成通过生成器与判别器博弈提升逼真度。
- 扩散生成通过加噪—去噪过程采样新图像，常用于条件生成。
六、拓展提升
- 用同一提示分别体验不同生成组件，记录清晰度、相关性与失败案例。
测评
对照本课学习目标作答（客观题练习）；选出后点「检查」。答错会显示简短说明。
对抗生成中，判别器的作用是：
扩散生成的直观过程更接近：
判断：只有对抗生成能生成图像，扩散方法不能。
本节小结
回顾本课要点，完成动手体验与测评。记住：图像的生成方式。