前段时间回头把文生图那套机制捋了一遍，顺手记几笔。
大意是模型学会了把文字描述映射到图像的高维空间，然后从一团噪声开始一步步还原成图。就这一层理解，帮我拆掉了好几个以前当玄学的问题：某些词的权重为啥能左右画面，负面提示词为啥有用，同样几个词换个顺序结果为啥就变了。
天天调提示词的人，真去碰这块的其实不多。我现在的看法是底层过一遍比背一百个所谓万能咒有用，起码知道自己在跟什么打交道，调参也从蒙变成推。以后谁再找我聊提示词玄学，我还是那句，先去看看模型到底怎么工作的。
原理我啃到采样器那节就卡住了，有推荐的入门材料吗
收藏了慢慢啃
1 个赞