大家好，今天来学习图生图的基本概念。

AI绘画的第一次大规模破圈，始于各大平台短视频中的AI绘画特效。只需用手机自拍一张照片，系统就能将其转化为二次元风格的画面。这类视频普遍具有不错的流量表现，例如将真人照片转为日漫风、赛博朋克风，或油画风等。当然，过程中也常出现“翻车”案例，比如把嘟嘟唇识别成M唇，或将小狗画成人脸。那么，这些效果究竟是如何实现的呢？

这就不得不提到Stable Diffusion（SD）这项开源AI绘画技术。它于2022年8月正式免费开放，其诞生方式与以往的AI绘画应用有本质区别——不同于短视频平台内置的AI滤镜，或美图秀秀等工具中的轻量级AI功能，SD能在秒级时间内生成高度精细的图像，并支持以原始图片为基准进行风格迁移与内容重绘。这种“以图生图”的能力，在SD中被称为“图生图”（Image-to-Image）。

借助图生图技术，我们不仅可以将二次元人物转为写实风格，也能将真人照片转化为二次元、油画、机甲、水墨等多种艺术风格。例如，一位机车女孩可被重构为未来感十足的AI机甲少女形象。

接下来进入正式学习阶段，分为两个主要板块：

一、图生图原理

1. 基本概念解析

图生图与文生图类似，同样依赖正向提示词与反向提示词。不同之处在于：除了文字输入外，图生图还引入了“图像输入”作为关键信息源。文字提供语义引导，而图像则提供构图、色彩、姿态等视觉先验信息。

经过上节课的学习，大家已了解文生图存在固有的随机性——即便使用完全相同的提示词，多次生成结果仍可能差异显著。例如两张都标注“白色长裙”的图像，在不同采样步数下呈现的效果可能模糊、失真甚至偏离预期。这种不确定性源于AI对文本指令的理解偏差，本质上是信息传递过程中的天然损耗。

这在日常生活中也十分常见。比如玩“你画我猜”时，即使画者尽力表达，观者仍常误解原意；又如甲方提出设计需求，但设计师因缺乏直观参照，难以准确还原意图。此时，提供一张参考图，便能极大降低理解偏差——图像是比语言更直接、更稳定的信息载体。

图生图正是基于这一逻辑：当我们给SD一张参考图，AI便以此为基础，在保留原图结构的前提下，按提示词要求进行风格迁移或细节重绘。例如，以名画《亨利·怀特夫人》为输入，提取其白色长裙、灰色背景、红色沙发等元素，再辅以精准提示词，即可在保留构图关系的同时，完成二次元风格化转换。

2. 图片传递信息的作用

图生图中，输入图片不仅决定画面基础框架，更直接影响生成结果的稳定性与还原度。其工作原理是：对原图进行加噪—去噪的迭代过程，逐像素分析颜色、明暗、边缘等特征，并依据提示词引导重新渲染。例如，AI识别出原图中某区域为白色衣料、某处为深棕沙发、背景呈灰调，便据此重建符合新风格的对应区域，最终输出风格统一、结构合理的图像。

二、图生图操作方法

图生图的基本操作可归纳为三步：导入图片 → 编写提示词 → 调整参数。

下面我们以“将真人照片转为二次元风格”为例，进行实际操作演示：

1. 导入图片：打开Stable Diffusion界面，切换至图生图（img2img）模式。界面中央有一个方框，用于上传参考图。可通过双击方框选择文件，或直接拖拽图片至该区域。
2. 编写提示词：以最简提示词“a boy”为例，初步观察生成效果。可见人物姿态、背包、背景等大体结构已被保留，但细节（如墨镜、棕色帽子、手部动作）尚未准确呈现。
3. 调整参数：
   • 重绘幅度（Denoising Strength）：取值范围为0–1。数值越高，AI越倾向于脱离原图、自由发挥；数值越低，则越忠实于原图。真人转二次元建议设置在0.6–0.8之间，本次设为0.7。
   • 图像尺寸：应与原图长宽比一致。例如原图分辨率为600×800（即3:4），则需同步设置宽度=600、高度=800，避免形变。
   • 采样器与步数：推荐使用DPM++ 2M Karras，采样步数设为30。
   • 提示词引导系数（CFG Scale）：默认7即可，过高易导致过拟合，过低则削弱提示词作用。
   • 质量类提示词：建议加入通用高质量前缀，如“masterpiece, best quality, ultra-detailed”，以及负面提示词如“low quality, bad anatomy, deformed hands”等。