مدل‌های diffusion چطور تصویر تولید می‌کنند

بخشی از دوره Prompt Engineering

تا اینجا هر پرامپتی که نوشتید متن تولید می‌کرد. این درس بخش سوم را باز می‌کند، جایی که همان پرامپت به تصویر می‌رسد. رسانه عوض می‌شود، اما طرز فکری که در بخش یک ساختید عوض نمی‌شود: همچنان دارید با کلمه مدل را هدایت می‌کنید، و کلمهٔ مبهم همچنان نتیجهٔ مبهم به شما می‌دهد. پیش از آنکه بتوانید برای یک مدل تصویری پرامپت خوب بنویسید، خوب است بدانید وقتی جملهٔ شما را به تصویر تبدیل می‌کند دقیقاً دارد چه می‌کند.

حدس رایج این است که مدل تصویری در یک کتابخانهٔ عظیم می‌گردد و تکه‌های عکس‌های موجود را به هم می‌دوزد. چنین چیزی رخ نمی‌دهد. نه کلاژی در کار است و نه جست‌وجویی. مدل هر تصویر را از صفر می‌سازد و مادهٔ خامی که از آن شروع می‌کند نویز تصادفی محض است.