ChatGPT和Deepseek火了！
可是你知道除了大语言模型之外，
AI在图像领域其实有很多好玩的吗？
把一张图片喂给AI 500次会发生什么呢？
如果你想自己动手尝试一下的话
那就看下去吧~
小编保证小白也能会哦！
实验器材
电脑、所标杯
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
实验步骤
把一张图片喂给AI重复绘画属于AI绘画的一种，网上这个用法的来源都是GitHub上面的一个开源项目。如果您拥有一个性能强大的电脑（需要NVIDIA独显，显存≥4GB，硬盘预留≥50GB空间存放模型及插件），那么您可以上网搜索stable diffusion webui deforum，有一些大神已经做好了打包（不过仍然稍微麻烦），按照教程可以自己下载deforum模型来进行AI绘画。不过如果您没有独立显卡，又不会安装怎么办？下面的步骤教完全不懂的小白也来体验AI的魅力！
郑重声明：以下步骤只是为方便小白同学体验AI绘画而制作的教程，中国科学院物理研究所与下面提到的网站没有任何关系！没有任何关系！没有任何关系！
点击红色框里的Stable Diffusion WebUI应用。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
第三步：
选择合适的GPU，因为我们是使用的赠送机时，因此选最便宜的那种。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
第四步：
在左上角的红框内选择使用的模型，在右上角的红框内选择Deforum。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
第五步：
点“关键帧”红框，选择“3D”，“覆盖”。“最大帧数”是指你希望把图片喂给AI多少次。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
第六步：
同一页面往下滚动页面，“强度调度计划”指你希望前一张AI生成图片与后一张的区别大小，其余“运动”部分即红框内全部填0即可。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
第七步：
选择“提示词”，不要更改提示词格式，否则会报错，下面给出了小编尝试的提示词，这部分可以自行更改。正向提示词可以填：masterpiece，反向提示词也可以不改。
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
第八步：
选择“初始化”，点击“启用初始化”。在最下面的红框内把你要喂给AI的图片拖进去。然后点右侧的“生成”就大功告成了！下面只需要耐心等待~
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
第九步：
生成后点“生成完成后点这里显示视频”红框部分生成视频，在视频右下角红框处点开即可下载啦~
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
第十一步：
来看看小编生成的结果吧！
原理解说
AI绘画的核心技术是“扩散模型”。其工作原理分为两个阶段：首先，系统对一张原始图片逐步添加随机噪声，经过多轮迭代后，图片最终会变成完全无意义的静态噪点——这一步叫“前向扩散过程”。接着，神经网络通过大量学习训练，掌握如何从这团噪点中一步步去除噪声，逐步重建出清晰的图像——这一步叫“反向生成过程”。用户输入的文本描述（提示词）会被专门的文本编码模型转化为数学向量，这个向量会在图像重建过程中持续引导AI，确保最终生成的画面符合文字要求。
Deforum模型是基于上述扩散模型的动态视频生成技术。它的目标是将静态图像生成扩展为连贯的视频序列，就是大家最后看到的视频效果。其运作机制包含三个关键环节：1) 初始化设定：用户提供起始图像或由AI生成首帧画面，并通过参数控制其与后续变化的关联强度；2) 运动与内容控制：用户可精确设置镜头运动轨迹（如平移、缩放、旋转，我们此处把这些数值都设置为了0）、定义不同时间点的文本描述（就是不同帧的不同提示词），并调节帧与帧之间的噪声变化幅度来控制画面演变的剧烈程度；3) 时间连贯性保障：Deforum的核心在于它会将前一帧生成结果的关键数据（称为“潜变量”），经过预设的运动变换计算后，作为生成下一帧的起点，并在生成过程中参考这些历史数据。这种方法显著减少了帧与帧之间的跳跃或闪烁，努力维持场景元素、色调和构图的相对稳定性。
上下滑动查看投稿↑↓
1.刘宝菊的投稿
2.Lucky的投稿
3.^ _ ^的投稿
4.冷露凝青的投稿
5.小姝 的投稿
6.日居月诸的投稿
投票将于 6月27日 22:00 截止
票数最高的两位粉丝
将获得所标杯
一个
分享赢得纪念品
对于本期实验的投稿
我们将在下期进行投票
我们将为票数最高的两位粉丝
送出
所标杯
一个
nload="this.removeAttribute('width'); this.removeAttribute('height'); this.removeAttribute('onload');" />
投稿方式
投稿时间截止到每周五晚九点。48小时没有和我们互动的用户，我们无法给您发送消息。为了防止联系不到获奖用户的现象发生，请投票最高获奖后及时联系我们。为了截取方便请尽量上传小于45秒的视频或者照片。
编辑：opzk & 鱼非我