《人工智能通识基础》课件 第3章 人工智能在多媒体中的应用

教学模块4：AIGC在多媒体中的应用CATALOGUE目

录图像生成的应用场景0102图像生成的关键技术03图像生成方法分类04多媒体生成工具简介05案例实操2025年1月28日中央广播电视总台《2025年春节联欢晚会》以“巳巳如意，生生不息”为主题，向海内外受众呈现了一场视觉奇观、听觉盛宴。本届春节联欢晚会是“春节”申遗成功后的首届春晚，晚会从中国传统非遗中汲取创作灵感，充分展示中华优秀传统文化的隽永魅力。据统计，此次春晚共涉及百余项非遗。春晚一开场就满满非遗元素，开场视觉秀将五行元素与非遗相对应，通过“金如意、民俗剪纸、草木染、打铁花、五谷画”这些中国非遗工艺所构筑的文化图景，展现中华民族古老智慧与深厚的文化底蕴。舞台呈现上联动庆阳剪纸非遗代表性传承人，共同打造出了惟妙惟肖的新年民俗场景。2025年春晚不仅是一场视觉盛宴和文化大餐，更是一次非遗传承的生动实践。它让我们看到了非遗文化在新时代下的传承与创新，也让我们更加坚定了传承和弘扬中华优秀传统文化的信心和决心。让我们携手共进，为非遗传承贡献自己的力量，共同书写中华文化新篇章！传承千年技艺，点亮民族文化之光传承千年技艺，点亮民族文化之光2025年1月28日中央广播电视总台《2025年春节联欢晚会》以“巳巳如意，生生不息”为主题，向海内外受众呈现了一场视觉奇观、听觉盛宴。本届春节联欢晚会是“春节”申遗成功后的首届春晚，晚会从中国传统非遗中汲取创作灵感，充分展示中华优秀传统文化的隽永魅力。据统计，此次春晚共涉及百余项非遗。春晚一开场就满满非遗元素，开场视觉秀将五行元素与非遗相对应，通过“金如意、民俗剪纸、草木染、打铁花、五谷画”这些中国非遗工艺所构筑的文化图景，展现中华民族古老智慧与深厚的文化底蕴。舞台呈现上联动庆阳剪纸非遗代表性传承人，共同打造出了惟妙惟肖的新年民俗场景。2025年春晚不仅是一场视觉盛宴和文化大餐，更是一次非遗传承的生动实践。它让我们看到了非遗文化在新时代下的传承与创新，也让我们更加坚定了传承和弘扬中华优秀传统文化的信心和决心。让我们携手共进，为非遗传承贡献自己的力量，共同书写中华文化新篇章！单击此处添加项标题艺术创作领域辅助艺术家：为画家、设计师提供灵感，比如生成独特的图案、色彩搭配，辅助他们构思作品。像一位插画师在创作科幻主题插画时，借助图像生成技术获取奇异的外星生物形象，融入到自己的作品中。创造全新艺术形式：实现算法艺术，通过代码和模型生成独特艺术作品，这类作品在艺术展览上逐渐崭露头角。娱乐行业游戏制作：快速生成游戏场景、角色和道具，降低开发成本。如开发古风游戏时，利用该技术生成古色古香的建筑、服饰等素材。影视制作：制作特效场景与角色，像《阿凡达》里的外星生物与奇幻场景，部分借助图像生成技术雏形，再经后期精细加工。广告与营销个性化广告：依据用户数据生成定制化广告图片，比如电商平台针对不同用户喜好生成含有推荐商品的广告图，提高广告效果。虚拟代言：生成虚拟人物代言产品，像一些美妆品牌启用虚拟美妆达人推广产品，吸引年轻消费者。教育领域制作教学素材：教师能快速生成历史场景、地理地貌、科学模型等图片辅助教学。例如，讲解恐龙时生成逼真恐龙图片，让学生直观了解。虚拟学习环境创建：生成虚拟校园、实验室等场景，开展沉浸式教学。如学生“置身”虚拟古代书院，学习传统文化。医疗领域医学图像合成：生成模拟的医学影像，用于训练医学影像识别模型，弥补真实数据不足。比如生成大量肺部CT模拟图像，训练算法识别早期肺癌。手术模拟：生成手术部位的三维图像，辅助医生规划手术方案，提前演练复杂手术。电商行业商品展示：生成商品多角度、不同场景图片，如展示家具在不同装修风格房间中的效果，帮助消费者更好了解商品。虚拟试穿试用：实现服装虚拟试穿、化妆品虚拟试用，提升购物体验，减少退货率。建筑与设计建筑设计：设计师输入想法，生成建筑外观、室内布局草图，快速探索多种设计方案，比如设计酒店时，快速生成不同风格的大堂布局。室内设计：生成不同风格的室内装修效果图，客户能直观看到不同方案，与设计师高效沟通。1.图像生成的应用场景基于生成式对抗网络的图像生成技术010203这个生成器就好比是一个超级厉害的“造假大师”。它的任务是，从一堆杂乱无章的数据（比如说随机的数字）里，捣鼓出一幅看起来像真的一样的图像。比如说，你想生成猫的图片，它就努力根据自己“学到”的知识，用那些随机数字拼凑出一张猫的图片来。一开始，它造出来的“假画”可能很粗糙，猫长得怪模怪样，甚至都不太能看出是猫。生成器判别器就像是一个“火眼金睛”的“鉴定专家”。它专门负责分辨面前的图片是真的（从真实图片库里拿出来的），还是生成器造出来的“假画”。它会根据自己对真实图片的理解和判断标准，来给每张图片打分，分数越高，就说明它觉得这张图越像真的。判别器对抗过程第一阶段：生成器先拿出自己刚“造”出来的假图片，交给判别器。判别器一看，哎呀，这图片破绽太多，肯定是假的，就给了个低分。第二阶段：生成器知道自己的“作品”被识破了，就会努力改进，调整自己生成图片的方式，下次拿出更逼真一点的假图片。判别器也不闲着，它在不断见识真图片和生成器造出的假图片过程中，也变得更精明了，能更准确地识别假图片。循环提升：就这样，生成器和判别器不断地较量。生成器努力让自己造的假图片越来越逼真，好骗过判别器；判别器则努力提高自己的鉴别能力，不被生成器骗到。在这个过程中，生成器生成的图片就会越来越接近真实的图片，到最后，生成器就能生成让人几乎分辨不出真假的高质量图像啦，这就是基于GAN的图像生成技术的大致原理。GAN的特点在于其强大的生成能力和灵活性。通过调整生成器和判别器的结构、优化算法以及训练数据，GAN可以生成从简单纹理到复杂场景的各种图像。然而，GAN也面临着训练不稳定、模式崩溃等问题，需要研究者不断探索和改进2.图像生成的关键技术编码车间（编码器）数据转换：编码器就像一个“数据翻译官”，它的任务是把一张张真实的图像，比如小狗、花朵的图片，转换成一组特殊的数字代码，这些代码代表了图片的特征。比如一张小狗的图片，编码器会从里面提取小狗的颜色、形状、耳朵的样子等信息，然后用数字表示出来。正态分布编码：这里的关键在于，编码器不是随便生成代码，而是把这些代码按照一种类似正态分布（就像生活中很多数据，像人的身高、考试成绩，大多集中在一个范围，两边少中间多，这种分布）的方式来组织。这样做的好处是，相似的图像，它们对应的代码在这个分布里的位置也比较接近。比如不同品种的小狗图片，它们的代码在这个分布里就挨得很近。解码车间（解码器）图像还原：解码器是“图像还原大师”，它拿到编码器生成的数字代码后，就开始努力把这些代码重新变回一张图像。它会根据代码里携带的信息，像颜色、形状这些，一点一点地画出一张图。一开始，画出来的图可能不太像原来的真实图片，但是随着训练的进行，画得会越来越像。随机采样生成：更神奇的是，解码器不仅能还原，还能生成新图像。它可以从刚才编码器构建的正态分布里随机“抓”一组代码出来，然后用这组代码生成一张新图像。因为这个分布里的代码是根据很多真实图像得到的，所以生成的新图像也会和真实图像很相似。比如说，从这个分布里随机取代码生成的小狗图片，虽然可能和任何一张真实的小狗图片都不完全一样，但依然是一只很逼真的小狗样子。整体训练过程反复调整：整个“图像加工厂”（VAE）的训练过程就像不断优化生产流程。一开始，编码器和解码器配合得不太好，生成的图像和真实图像差别很大。但是，通过不断地把真实图像送进编码器，再让解码器生成图像，然后对比生成图像和真实图像的差别，一点点调整编码器和解码器的工作方式，让生成的图像越来越像真实图像。最终成果：经过大量的训练，这个“图像加工厂”就能很熟练地工作了，编码器可以准确地把图像转换成合适的代码，解码器能根据这些代码或者从分布里随机采样的代码，生成非常逼真的新图像，这就是基于变分自编码器（VAE）的图像生成技术原理。基于变分自编码器（VAE）的图像生成技术可以把它想象成一个神奇的“图像加工厂”，这个工厂有两个主要车间：编码车间和解码车间。VAE的优势在于其生成的图像具有更好的可解释性和可控性。通过潜在空间的插值和操纵，可以生成具有连续变化和新颖特性的图像。此外，VAE还提供了潜在空间的可视化工具，有助于研究者深入理解生成模型的内部机制。然而，与GAN相比，VAE生成的图像质量可能稍逊一筹，特别是在细节和纹理方面。基于扩散模型的图像生成技术图像的“破坏”——正向扩散过程想象你有一张高清的美丽风景图，正向扩散就像是给这张图“捣乱”。它会一点点往这张图片上添加噪音，就像在晴朗的天空中慢慢撒上雾气，让图片变得越来越模糊。一开始，可能只是稍微有点朦胧，不太影响看风景；随着噪音不断增加，图片变得越来越看不清，到最后可能就变成了一团杂乱无章的噪点，完全看不出原来风景的样子。这个过程是按照一定规律来添加噪音的，而且每一步添加多少噪音都有讲究。就好像有个严格的“捣乱计划”，先加一点，再多加一点，一点点把好好的图片变成噪点集合。图像的“重建”——反向扩散过程现在图片已经被破坏成一堆噪点了，接下来就是神奇的“重建”时刻。反向扩散要从这堆噪点出发，把原来的风景图重新“变”回来。这就好比是在迷雾中，一点点把雾气驱散，让风景逐渐清晰。它是怎么做的呢？它会学习在正向扩散过程中，图片是怎么一步一步被破坏的，然后反过来操作。模型会根据噪点的特征，尝试去掉一些噪音，让图片稍微清晰一点，就像擦去了一点雾气。每次去掉一些噪音，图片就会变得更像原来的样子，经过好多好多步这样的操作，不断去掉噪音，图片就越来越清晰，最终恢复成一张精美的风景图。在这个过程中，模型需要大量的训练，看过很多很多不同的图片在正向扩散中是如何被破坏的，这样它才能在反向扩散时准确地从噪点重建出图片。而且在反向扩散过程中，每一步去除噪音的操作都要非常精准，就像拼图一样，一点点把图片拼回原样。通过这样的正向和反向扩散过程，基于扩散模型的图像生成技术就能生成非常逼真的图像啦。

可以把基于扩散模型的图像生成技术，想象成一个神奇的“图像演变魔法”，整个过程分两步：图像的“破坏”与“重建”。扩散模型的特点在于其生成的图像质量高、多样性好且训练过程相对稳定。与GAN相比，扩散模型避免了模式崩溃等问题，并能够在潜在空间中实现更平滑的插值和采样。此外，扩散模型还具有较强的通用性和可扩展性，可以应用于图像编辑、超分辨率等多种任务中。然而，扩散模型的训练过程相对较长且计算资源消耗较大，需要进一步优化和改进。2.图像生成的关键技术文生图是指利用人工智能技术，根据用户输入的文字描述生成相应的图片。文生图图生图是指通过上传原始图片，利用人工智能技术对图片进行风格转换、内容修改等操作，生成新的图片。图生图图片扩展是指利用人工智能技术，在不拉伸图像内容的情况下，增大图片的尺寸或扩展图片的背景。图片扩展局部修改是指通过涂抹图片中想要更改的部分，并输入描述文字，利用人工智能技术对图片的特定区域进行调整或重绘。图片合成是指将两张或多张图片合并为一张图片，利用人工智能技术实现图片的无缝融合。局部修改图片合成3.图像生成方法分类3.图像生成方法分类—文生图3.图像生成方法分类—图生图3.图像生成方法分类—图片扩展3.图像生成方法分类—图片修复3.图像生成方法分类—局部修改3.图像生成方法分类—图片合成3.图像生成方法分类—综合应用工具名称主要功能链接通义万相AI生成图片，人工智能艺术创作大模型文心一格百度出品的AI绘画工具，文生图像，访问速度快，中文支持友好，操作使用简单，付费电量的价格不算贵，有一定的性价比剪映AI剪映一键生成AI绘画腾讯ARC腾讯出品的图片处理工具，可以进行人像修复、人像抠图、动漫增强等360智绘风格化AI绘画、Lora训练无限画智能图像设计，整合千库网的设计行业知识经验、资源数据https://588/ai/wuxianhua/Home美图设计室图像智能处理，海报设计……liblib.aiAI模型分享平台-各种风格的图像微调模型https://www.liblib.ai即梦AI操作简单，速度快可灵AI由快手团队自主研发，性能优异/4.图像生成工具简介LOREM

IPSUMDOLOR

SIT

AMET4.图像生成工具简介—文心一格“文心一格”是一款集成了先进AIGC技术的图像生成平台，依托于百度强大的AI研发能力，为用户提供高效、便捷的图像创作体验。无论是专业设计师、艺术家还是普通用户，都能通过“文心一格”轻松实现个性化图像生成。界面布局说明通过浏览器即可访问文心一言，在浏览器中输入【/】之后，点击回车，就可以看到文心一格的界面，如图所示：4.图像生成工具简介

—文心一格“文心一格”平台拥有直观友好的用户界面，使得即便是初次使用的用户也能迅速上手。平台主界面通常包括顶部菜单栏、侧边工具栏、中央画布区域以及底部状态栏等部分。顶部菜单栏提供文件操作、编辑工具、设置选项等功能；侧边工具栏则展示了各种预设模板、风格选项和参数调整工具；中央画布区域用于展示和编辑生成的图像；底部状态栏则显示当前操作状态、进度信息等。实践案例1-绘制中国风梦幻风景画本实验演示了如何通过文心一格平台，利用详细的创意提示词来生成梦幻风景画的过程。首先，准备了一个具体且充满想象力的提示词，描述了一幅柔和色彩交织、具有特定氛围的梦幻风景。然后，在AI创作页面输入该提示词，并调整画作的风格、比例及生成数量等参数。最后，通过平台的AI技术生成了多幅符合描述的创意画作。5.案例实操随着消费者对个性化产品需求的增长，传统的大规模生产模式已难以满足市场的多样化期待。“个性化商品设计”项目正是在这种背景下推出的，它运用了平台的图像生成能力，允许用户通过简单的操作就能定制独一无二的商品设计，如服装图案、家居装饰甚至是电子产品外壳等。该项目不仅提升了消费者的购物体验，使其能够参与到产品设计的过程中，同时也为企业提供了灵活的生产模式，帮助它们更快地响应市场变化，满足不同用户的个性化需求。本次创作以哪吒为原型，《哪吒》电影的特效量与设想达到了中国动画电影前所未有的水准，每个镜头平均包含5种以上特效元素，单镜头的特效模拟缓存量高达10T。像“岩浆流体”场景需模拟8层不同材质、不同速度的流体效果，团队反复打磨六七十遍才通过，展现出了中国动漫在特效技术上的高水准和精益求精的态度。影片的画面质感细腻，色彩搭配协调，场景设计宏大且富有想象力，无论是人物的毛发、衣物的纹理，还是宏大的战斗场景、奇幻的仙境等，都展现出了极高的制作水平，为观众呈现出了一场视觉盛宴，让人们看到了中国动漫在画面制作上的强大实力。实践案例2-个性化商品设计5.案例实操实践案例3-虚拟角色创造随着虚拟现实技术和数字娱乐产业的快速发展，虚拟角色在游戏、动画以及社交平台上的应用越来越广泛。“虚拟角色创造”项目正是为了满足这一需求而设立，它通过整合AI驱动的设计工具，让用户可以根据