Civitai Beginners Guide To AI Art // #1 Core Concepts

Guía para el Arte AI: Introducción a la Generación de Imágenes

Conceptos Básicos y Terminología

• Se presentará una guía sobre cómo generar imágenes AI desde cero, incluyendo la instalación de software necesario y la navegación por programas como Automatic 1111, Comfy UI o Easy Diffusion.

• Se abordarán términos comunes y conceptos que pueden resultar abrumadores para los nuevos en el arte AI, facilitando su comprensión al interactuar con diferentes plataformas.

Tipos de Generación de Imágenes

• Texto a Imagen: Este proceso implica tomar un texto como entrada y generar una imagen basada en ese texto. Es el método más común utilizado en la generación de imágenes AI.

• Imagen a Imagen: Utiliza una imagen existente como referencia para crear una nueva imagen. Esto se puede hacer con un solo archivo o mediante un lote de imágenes utilizando un "control net".

• Inpainting: Permite modificar partes específicas de una imagen usando herramientas de pintura. Funciona similar al "relleno generativo" en Photoshop, pero se realiza localmente dentro del software.

• Texto a Video: Implica generar videos a partir de descripciones textuales o transformar videos existentes utilizando prompts específicos.

• Prompts Negativos: Además del prompt principal que indica lo que se desea ver, los prompts negativos especifican lo que no debe aparecer en la imagen generada.

Procesos Adicionales

• Upscaling: Consiste en aumentar la resolución de las imágenes, mejorando los píxeles existentes. Esto puede hacerse mediante modelos integrados o programas externos antes de compartir las imágenes.

Modelos y Recursos

• Los "checkpoints", ahora más comúnmente llamados modelos, son archivos resultantes del entrenamiento con millones de imágenes. Dictan el estilo general y calidad de las imágenes generadas.

• La elección del modelo es crucial; algunos están entrenados específicamente para estilos como anime o realismo, afectando directamente el resultado final.

Archivos y Seguridad

• Los "checkpoints" son formatos creados por PyTorch Lightning que contienen modelos utilizados por Stable Diffusion. Estos han sido reemplazados mayormente por archivos Safe Tensor debido a su menor susceptibilidad a códigos maliciosos.

¿Qué es Stable Diffusion y sus componentes?

Introducción a Stable Diffusion

• Se refiere a "SD 1", un modelo entrenado en 595,000 pasos con imágenes de resolución 512x512 del modelo Layon 5B. Este ha sido superado por la última versión de Stability AI, "Stable Diffusion XL".

• La flexibilidad y la gran cantidad de recursos disponibles para SD 1 son aspectos destacados.

Modelos específicos: Laura y otros

• "Laura" (Low Rank Adaptation) es un modelo entrenado en conjuntos de datos mucho más pequeños, enfocado en conceptos específicos como personas o estilos.

• Las inversiones textuales y los embeddings son similares a Laura pero se entrenan en conjuntos de datos aún más pequeños, capturando conceptos como corrección de manos o rostros.

Archivos VAE

• Los archivos VAE (Variational Autoencoder) son opcionales y mejoran el detalle en las imágenes generadas.

• Sin un VAE, los colores pueden aparecer apagados o con menos detalles; se recomienda usar uno junto al modelo actual.

Extensiones importantes para Stable Diffusion

Control Nets

• Control Nets permite realizar tareas más allá del simple texto a imagen, utilizando modelos entrenados para leer estructuras específicas dentro de una imagen.

• Facilita la generación de nuevas imágenes basadas en poses específicas mediante dummies que posicionan personajes dentro de fotos.

Comunidad Deorum

• Deorum es una comunidad dedicada al desarrollo de herramientas generativas de IA, conocida por su popular extensión "automatic 1111" que genera videos suaves a partir de prompts textuales.

Enhanced Superresolution Generative Adversarial Network (ESRGAN)

• ESRGAN es una técnica utilizada para generar imágenes de alta resolución a partir de píxeles de baja resolución, comúnmente encontrada en interfaces estables.

Animate Diff

• Animate diff inyecta movimiento en generaciones textuales e imagen a imagen, ampliando las capacidades creativas dentro del proceso generativo.

Conclusión sobre términos clave