第1章
人工智能时代的艺术设计变革
1.1 人工智能发展的时代背景与机遇
1.2 艺术设计的数字化建构路径
1.3 生成式AI工具的类型与特征
1.4 AI赋能艺术设计:Midjourney与Stable Diffusion的应用场景
1.5 AI与艺术设计融合发展的推演结论
1.6 本书核心教学载体的选择说明
第2章
AI核心引擎:本地部署与关键模型解析
2.1 Stable Diffusion 的本地安装
2.2 Stable Diffusion页面功能详解
2.3 Stable Diffusion的本地部署
2.4 核心生成模型:基础大模型与LoRA模型
2.5 图像质量优化:VAE模型应用
2.6 精准控制与构图引导:ControlNet模型解析
第3章
文生图:核心原理与全流程解析
3.1 文生图基本工作流程
3.2 高分辨率修复
3.3 迭代步数
3.4 采样方法
3.5 提示词引导系数
3.6 图像细节优化与分辨率提升
3.7 文生图海报创作
3.8 LoRA模型:个性化风格与主题生成
第4章
图生图:图像编辑与控制技巧
4.1 图生图的工作基本原理与应用
4.2 图像风格迁移与艺术再创作
4.3 Instruct P2P 预处理器的图像编辑
4.4 ControlNet Tile模型:图像细节增强与分辨率优化
4.5 局部区域修改与图像拓展
第5章
Tile模型深度解析与应用
5.1 Tile 模型在模糊图像还原与蒙版引导中的应用
5.2 Tile 按照指定颜色引导图像生成
5.3 Tile 在残缺图像补全与艺术再创作中的应用
5.4 Tile 模型在人物面部精修与风格化中的应用
第6章
Al摄影:Stable Diffusion文生图的创意与实践
6.1 AI摄影大模型选择与配置
6.2 AI提示词的基本构成与案例解析
6.3 人像摄影的局部精修与细节优化
6.4 老照片的破损修复
6.5 黑白照片重新上色
第7章
AI摄影:影像写真AI换脸
7.1 IP-Adapter&Instant-ID文生图人像换脸
7.2 IP-Adapter&Instant-ID图生图人像换脸
7.3 FaceSwapLab扩展插件的人像换脸技术
7.4 FaceSwapLab插件的安装
第8章
ControlNet 控制类型详解:SoftEdge 与 Shuffle
8.1 SoftEdge控制类型原理与操作详解
8.2 Shuffle控制类型原理与操作详解
8.3 SoftEdge与 Shuffle的联合应用实践
8.4 X/Y/Z脚本工具的功能与使用方法
第9章
ControlNet 控制类型详解:Reference、Revision、T2l-Adapter, IP-Adapter
9.1 Reference控制类型原理与应用
9.2 Revision生成技巧与实践
9.3 T2l-Adapter 操作与应用
9.4 IP-Adapter 风格迁移与转绘实操
9.5 IP-Adapter模型简单介绍
第10章
ControlNet 控制类型详解:Canny、Lineart、Scribble, OpenPose
10.1 Canny 详解与应用
10.2 Lineart 详解与应用
10.3 Scribble详解与应用
10.4 OpenPose详解与应用
第11章
ControlNet 控制类型详解:MLSD、Depth、Segmentation、Normal Map
11.1 MLSD应用案例
11.2 Depth实现图像景深控制
11.3 Segmentation实现精准控图
11.4 NormalMap 光影还原