31 lines
4.5 KiB
Markdown
31 lines
4.5 KiB
Markdown
| 术语 | 直译 | 翻译 | 说明 |
|
||
| ------------------ | -------- | ---------------- | ------------------------------------------------------------ |
|
||
| stable diffusion | 稳定扩散 | stable diffusion | 一个开源的文本到图像 latent diffusion 模型，能够在给定任何文本输入的情况下生成相关的图像 |
|
||
| SD | | | stable diffusion 的缩写 |
|
||
| CFG Scale | CFG指数 | 提示词相关性 | Classifier Free Guidance Scale 的缩写，基于实际功能翻译。 |
|
||
| Denoising strength | 去噪强度 | 重绘幅度 | 这里的“去噪”其实并非常规的去噪（不是那种后处理滤镜），而是同时指“加噪”强度。<br>在SD进行取样的过程中，他要先有噪点然后逐渐从噪点“恢复”成图片。这个“恢复”的过程就叫去噪。而假设我们有1份噪点（100%），step则决定每个step去除多少%的噪点。比如100步就是每步1%<br>i2i的生成过程就是，假如去噪强度是1.0，那他会加100%的噪点，然后跑100%的取样。而假如去噪强度是0.0，那他就不加噪点，也就是不做取样，直接编码进潜空间然后再直接解码回来。所以很自然0.5的去噪就只会跑一半的step，因为他只加了50%的噪点。<br>其实在sd官方，这个参数不叫Denoising strength，而是直接叫`strength` - `strength for noising/unnoising`（加噪/去噪的强度），我觉得以功能取代原有名字也是一种解决办法。 |
|
||
| inpaint | 绘画 | 局部重绘 | 在SD里这个标签对应的功能是绘制蒙版，并对蒙版区域进行局部重绘。 |
|
||
| outpaint | | 向外绘制 | |
|
||
| latent space | | 潜空间 | |
|
||
| latent noise | | 潜空间噪声 | |
|
||
| latent zeroes | | 潜空间数值零 | |
|
||
| image grids | | 宫格图 | |
|
||
| Hypernetwork | | 超网络 | |
|
||
| Slerp | | 球面线性插值 | |
|
||
| Aesthetic | | 美术风格 | |
|
||
| tokenizer | | 词元 | |
|
||
| | | | - |
|
||
| t2i | | 文生图 | txt to img 的缩写 |
|
||
| i2i | | 图生图 | img to img 的缩写 |
|
||
| Tag | | 提示词 | 某些教程会使用 Tag 作为 Prompt 的翻译，但实际上只有部分模型（如wd跟nai）可以以tag的方式作为提示词输入 |
|
||
| NAI | | | Novel AI |
|
||
| naifu | | | Novel AI 本地版 |
|
||
| webUI | | | [stable diffusion 网页用户界面](https://github.com/AUTOMATIC1111/stable-diffusion-webui)，由AUTOMATIC1111开发 |
|
||
| embedding | | | |
|
||
| Textual Inversion | | | [参考链接](https://github.com/AUTOMATIC1111/stable-diffusion-webui/wiki/Textual-Inversion) |
|
||
| ENSD | | | Eta noise seed delta |
|
||
| CLIP | | | Contrastive Language-Image Pre-Training的缩写。CLIP是用于处理文本理解文本的神经网络，它把你的自然语言提示语分割成词元并转化为向量供 diffusion 模型使用 |
|
||
| WD | | | waifu diffusion的缩写 |
|
||
|
||
|