今日言论：
马斯克的管理风格非常独特，他不需要非技术性的中层管理人员，员工表现不佳就会被裁，也不喜欢大型会议。
-- 前特斯拉 AI 总监安德烈·卡帕西
深入解读：Tiled Diffusion，英文翻译为**平铺扩散，**也是一种深度学习模型。
它主要用于图像生成任务。这种模型基于扩散过程，通过逐渐向图像中引入噪声，然后通过一个生成网络逐步恢复出清晰的图像。Tiled Diffusion模型将图像分成多个小块（即“瓦片”），并在每个瓦片中独立地执行扩散和生成过程，从而允许模型更有效地处理大型图像。
具体来说，Tiled Diffusion模型的训练分为两个阶段：
正向扩散过程（Forward Diffusion）：在这个过程中，模型逐步地将图像数据转换为一个高斯噪声状态。这个过程通常包括多个步骤，每个步骤都涉及到对图像的逐步扰动。
反向生成过程（Backward Generation）：在正向扩散过程之后，模型需要通过一个生成网络将高斯噪声转换回原始的图像数据。在Tiled Diffusion中，这个过程在每个瓦片上是独立进行的，这使得模型能够并行处理不同瓦片，从而提高了训练和推理的效率。
浅出解读：
图片来源：Technical Part · pkuliyi2015/multidiffusion-upscaler-for-automatic1111 Wiki · GitHub
这个图表示的其实是重绘放大的意思。核心技术是通过Tiled VAE插件降低了现存的消耗能力，让显卡更好的发挥其威力。（double双押！）
**关于安装：**一般秋叶大神的安装包是自带的，没有可以在扩展程序里面找到。
实用解读：
从图中，您可以看到如何将图像拆分为图块。
在每个步骤中，潜在空间中的每个瓦片都将被发送到 Stable Diffusion UNet。
瓷砖一遍又一遍地被分割和融合，直到所有步骤都完成。
什么是好的瓷砖尺寸？
较大的图块尺寸将提高速度，因为它产生的图块更少。
但是，最佳大小取决于您的检查点。基本的 SD1.4 只擅长绘制 512 * 512 图像（SD2.1 将是 768 * 768）。而且大多数检查点无法生成大于 1280 * 1280 的好图片。所以在潜在空间中，让我们将其除以 8，你会得到 64 - 160。
因此，您应该选择一个介于 64 - 160 之间的值。
就个人而言，我推荐 96 或 128 以获得快速速度。
什么是好的重叠？
重叠减少了熔合中的接缝。显然，更大的重叠意味着更少的接缝，但会显着降低速度，因为它会带来更多的瓷砖来重绘。
与 MultiDiffusion 相比，Mixture of Diffusers 需要更少的重叠，因为它使用高斯平滑（因此可以更快）。
就个人而言，我建议 32 或 48 用于 MultiDiffusion，16 或 32 用于混合扩散器
生成超大图像：
示例 1：杰作、最佳质量、高分辨率、城市天际线、夜晚
需要开启区域提示控件并启用绘制全画布背景。
配合ControlNet把古代的画变为现代：
22020 x 1080 超广角图像转换
杰作， 最好的质量， 高分辨率， 超详细的8k统一壁纸， 鸟瞰图， 树木， 古建筑， 石头， 农场， 人群， 行人2560*1280大图绘制：
ControlNet（精明的边缘）img2img:升级细节
示例：1024 * 800 -> 4096 * 3200 图像，默认参数
参数：
denoise=0.4，steps=20，Sampler=Euler a，Upscaler=RealESRGAN++，Negative Prompts=EasyNegative，
Ckpt：Gf-style2（4GB 版本），CFG 比例 = 14，剪辑跳过 = 2
method = MultiDiffusion，瓦片批量大小 = 8，瓦片大小高度 = 96，瓦片大小宽度 = 96，重叠 = 32
提示 = 杰作，最佳质量，高分辨率，极其详细的 8k 壁纸，非常清晰，负提示 = EasyNegative。
4 倍高档后，无需挑剔。在 NVIDIA Tesla V100 上行驶 1 分 12 秒。（如果为 2x，则在 10 秒内完成）
推荐用于高效升级的参数。
采样器 = Euler a，步长 = 20，降噪 = 0.35，方法 = 扩散器的混合物，潜在瓦片高度和宽度 = 128，重叠 = 16，瓦片批量大小 = 8（如果内存不足，则减小瓷砖批量大小）。
关于Automatic1111WebUI的安装：
打开Automatic1111 WebUI -> 点击“扩展”选项卡 -> 点击“从网址安装”选项卡 -> 输入 https://github.com/pkuliyi2015/multidiffusion-upscaler-for-automatic1111.git -> 点击“安装”。本篇内容来源于github、Kahsolt大佬、维基百科、老鹿AI等文献综合报道。
——BODI
写在最后
感兴趣的小伙伴，赠送全套AIGC学习资料，包含AI绘画、AI人工智能等前沿科技教程和软件工具，具体看这里。
AIGC技术的未来发展前景广阔，随着人工智能技术的不断发展，AIGC技术也将不断提高。未来，AIGC技术将在游戏和计算领域得到更广泛的应用，使游戏和计算系统具有更高效、更智能、更灵活的特性。同时，AIGC技术也将与人工智能技术紧密结合，在更多的领域得到广泛应用，对程序员来说影响至关重要。未来，AIGC技术将继续得到提高，同时也将与人工智能技术紧密结合，在更多的领域得到广泛应用。
一、AIGC所有方向的学习路线
AIGC所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照下面的知识点去找对应的学习资源，保证自己学得较为全面。
二、AIGC必备工具
工具都帮大家整理好了，安装就可直接上手！
三、最新AIGC学习笔记
当我学到一定基础，有自己的理解能力的时候，会去阅读一些前辈整理的书籍或者手写的笔记资料，这些笔记详细记载了他们对一些技术点的理解，这些理解是比较独到，可以学到不一样的思路。
四、AIGC视频教程合集
观看全面零基础学习视频，看视频学习是最快捷也是最有效果的方式，跟着视频中老师的思路，从基础到深入，还是很容易入门的。
五、实战案例
纸上得来终觉浅，要学会跟着视频一起敲，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。
若有侵权，请联系删除