文生图模型进化简史和生成能力比较—

这篇具有很好参考价值的文章主要介绍了文生图模型进化简史和生成能力比较——艺术肖像篇。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

很久没有更新文章，最近真的太忙啦文生图模型进化简史和生成能力比较——艺术肖像篇，在T2I领域，学习速度真的赶不上进化速度！每天都有无数新模型、新插件、新玩法涌现。玩得太上瘾啦。

上月初我去参加我硕士专业的夏季烧烤大趴，跟我的论文导师重逢（好多年没见啦）。他今年也赶风头开课讲授 Generative AI 与商业创新的结合。不过他的课主要讲的是LLM，听说我在玩T2I，就邀请我回母校的商学院做了个分享。我为那次分享做了个简单时间线，罗列了我认为文生图领域至关重要的里程碑（基于扩散模型）。

文生图模型进化简史和生成能力比较——艺术肖像篇

时间轴的上排是闭源相关，下排是开源相关

这个领域的一切都始于 CLIP 开源，CLIP 是一个通过自然语言监督有效地学习视觉概念的神经网络。通过使用 CLIP 可将文本和图像连接在一起。

CLIP 的全称是 Contrastive Language–Image Pre-training，也就是文本和图像对照的预训练模型，数据集使用的是 LAION-400M，包含 4 亿组从互联网上收集的文本-图像对。文本编码器提取文本特征，图像编码器提取图像特征，两个放到一起对比相似度，从而让 AI “掌握” 文本-图像的匹配关系。

21 年 1 月 CLIP 发布后（与 CLIP 一起发布的还有 DALL·E 第一代文生图模型，生成能力有限），基于它的各种文生图模型相继出现，Disco Diffusion 也是在这个时候诞生，此时它们的生成效果都并不理想，但社区对未来充满了憧憬。

21 年 12 月，OpenAI 发布了 Glide，即 Guided Language-to-Image Diffusion，它是 DALLE 2 的基础。同一个月，慕尼黑大学 Compvis 实验室发布了 Latent Diffusion 的论文 High-Resolution Image Synthesis with Latent Diffusion Models，它是生成能力实现重大突破基础。

基于 Glide 的论文和各种探索，T2I 开源社区开启了 Disco Diffusion 项目，22 年 3 月 Disco Diffusion v5 发布，这是图像生成模型第一次出圈引爆，吹响了打开 AI 艺术大门的号角，魔法由此开始释放。

同一个月，Midjourney 通过包装使用 Disco Diffusion，进行了商业应用。

22 年 4 月，OpenAI 发布了 DALL·E 2。它的生成能力有了较大提升，但光芒很快就会被掩盖。

为了与 OpenAI 竞争，Google在22 年 5 月和 6 月发布了 Imagen 和 Parti 的论文，但一直没有公开发布过产品，极少有人真正体验过这两个 SOTA 模型，Google 保持着其在ML研究领域高调发paper但绝不ship任何产品的姿态，在T2I领域同样也起大早赶晚集，最后甚至压根就没现身。

真正的转折点来了，22 年 8 月发布的 Stable Diffusion 1.5，由 Stability AI 与慕尼黑大学 Compvis 实验室合作训练完成。它的光芒很快盖过了其他模型，加之后来的 LoRA 和 ControlNet 如虎添翼，构建了庞大的 SD 生态。

同月，谷歌发布了 Dreambooth 的论文 DreamBooth: Fine Tuning Text-to-Image Diffusion Models for Subject-Driven Generation。对自家的T2I 预训模型（也就是前文提到的Imagen，当然这个技术也可以应用于其它扩散模型）进行微调，使其学会将某 identifier与该特定主题绑定。只要输入少量该主题的图片用于训练（通常3-5张），就可让模型能用该 identifier 生成该主题的在不同背景下演绎的个性化图像。比如把"xiqiao_meowmeow"与一些我的脸图绑定后训练，就能用xiqiao_meowmeow 生成出我在画漫画的结果，即使训练素材里只包含了我的脸。

22 年 11 月 Midjourney v4 发布，它的生成能力和艺术感惊人，使其一举奠定了MJ 作为商业闭源模型无法撼动的王者地位。

23 年1 月，LoRA 诞生，"它并不改变原模型的权重，而是在线性层旁边新增一个下采样-上采样的支路，通过训练这个支路来完成微调。因此，同一个基底 SD 模型可以搭载不同的 LoRA 使用，具有很高的灵活性。由于 LoRA 支路网络的参数量小，相比微调整个模型，对算力的需求更加友好，并且也能达到不错的效果，因此很快受到大家的热烈欢迎，成为了目前最流行的微调 SD 的方法之一。"
https://zhuanlan.zhihu.com/p/640144661

2 月，这个领域的天才人物张吕敏发布 ControlNet。它的出现代表着 T2I 生成开始真正变得可控，能够成为真正的生产力工具。ControlNet 比之前 img2img 提供了更丰富更准确的控制方式，可以直接提取 input 画面的边缘、深度、语义分隔、深度信息，以及人物的姿势等。精确控制AI 生成完美的手势和正确的手指再也不是问题。

3 月 Adobe 发布了 Firefly，将生成式 AI 集成到自己的产品 Photoshop Beta 以及面向普通人的 Express 中，正式加入这张大战。Adobe 在自家拳头产品里的深度集成（碾压了所有第三方插件）以及我烧得起钱你随便用的战略，使其在AI图像的生成量极快的上升，远超 DALLE2。虽然上场晚，但稳坐第三把交椅。

7 月，Stability 开源了 SDXL1.0，Stability.AI 最新一代旗舰模型。当之无愧的最强开源文生图模型。高参数，高分辨率，极强的 prompt 理解力，极强的写真照片类图像生成能力，当然推理和训练成本也大大提高，将会重塑 T2I开源社区的格局。

回顾文生图扩散模型的发展史，才两年多时间就走到了今天，成为一项一种每天被数百万人使用的技术，在许多领域塑造着未来。

SDXL1.0 发布后，我花了两周的时间，开足马力，电力拉满，将两个新模型 MJv5.2 和 SDXL1.0 的艺术家风格图跑出来，添加到 AIGC 艺术样式库 lib.KALOS.art 中。

目前文生图基础模型中，谁的生成能力更强，艺术感更好呢？

我们以几位代表性艺术家的 Fine-art 类肖像画来做一个比较，看看这一年来，SD和MJ这两家文生图模型的进化：

Vincent van Gogh，风格识别度极高，无人不知的传奇艺术家

文生图模型进化简史和生成能力比较——艺术肖像篇 SD1.5 https://lib.kalos.art/artist/aa142cf4-c57a-4985-93ab-b53f803a6bc3?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/aa142cf4-c57a-4985-93ab-b53f803a6bc3?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/aa142cf4-c57a-4985-93ab-b53f803a6bc3?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/aa142cf4-c57a-4985-93ab-b53f803a6bc3?model=4

Edmund Dulac，以精细而飘逸画风为特色的书籍、杂志插画家，著名的纸币、邮票设计师

文生图模型进化简史和生成能力比较——艺术肖像篇 SD1.5 https://lib.kalos.art/artist/a36e9799-fa7c-40b4-855f-9ea160f699a6?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/a36e9799-fa7c-40b4-855f-9ea160f699a6?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/a36e9799-fa7c-40b4-855f-9ea160f699a6?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/a36e9799-fa7c-40b4-855f-9ea160f699a6?model=4

Amedeo Modigliani，以优美弧形曲线和修长脖颈为特色的意大利肖像画家

文生图模型进化简史和生成能力比较——艺术肖像篇 ‍SD1.5 https://lib.kalos.art/artist/0900ebd2-6ce1-4e2b-ba91-bc7f6f84cdbd?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/0900ebd2-6ce1-4e2b-ba91-bc7f6f84cdbd?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/0900ebd2-6ce1-4e2b-ba91-bc7f6f84cdbd?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/0900ebd2-6ce1-4e2b-ba91-bc7f6f84cdbd?model=4

Sandro Botticelli，文艺复兴早期画风优雅飘逸的意大利画家，《维纳斯的诞生》和《春意盎然》

文生图模型进化简史和生成能力比较——艺术肖像篇 ‍SD1.5 https://lib.kalos.art/artist/750d588d-de84-455d-b845-4f44b30cf931?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/750d588d-de84-455d-b845-4f44b30cf931?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/750d588d-de84-455d-b845-4f44b30cf931?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/750d588d-de84-455d-b845-4f44b30cf931?model=4

Aubrey Beardsley，唯美主义和颓废主义的先驱，无可匹敌的黑白装饰风格艺术家

文生图模型进化简史和生成能力比较——艺术肖像篇 SD1.5 https://lib.kalos.art/artist/44f5df6c-0bcd-41f1-9547-3ab3775cbf65?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/44f5df6c-0bcd-41f1-9547-3ab3775cbf65?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/44f5df6c-0bcd-41f1-9547-3ab3775cbf65?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/44f5df6c-0bcd-41f1-9547-3ab3775cbf65?model=4

Cecily Brown，突破具象绘画边界，探索性和欲望，充满活力和富有表现力的抽象画大师

文生图模型进化简史和生成能力比较——艺术肖像篇 ‍SD1.5 https://lib.kalos.art/artist/fa758d06-5875-444f-b0a0-a9e6f9ca88f8?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/fa758d06-5875-444f-b0a0-a9e6f9ca88f8?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/fa758d06-5875-444f-b0a0-a9e6f9ca88f8?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/fa758d06-5875-444f-b0a0-a9e6f9ca88f8?model=4

Jean Metzinger，立体主义画派奠基人之一，碎片化、几何和多重视角

文生图模型进化简史和生成能力比较——艺术肖像篇 SD1.5 https://lib.kalos.art/artist/31dbd5f2-0884-4af7-8dc0-8041695645c9?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/31dbd5f2-0884-4af7-8dc0-8041695645c9?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/31dbd5f2-0884-4af7-8dc0-8041695645c9?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/31dbd5f2-0884-4af7-8dc0-8041695645c9?model=4

Max Beckmann，大胆的表现主义大师，捕捉人物心理，描绘人类的处境，探索苦难、孤立和现代生活的复杂性

文生图模型进化简史和生成能力比较——艺术肖像篇 ‍SD1.5 https://lib.kalos.art/artist/596ccd0c-8223-4c8f-b72f-b4f627fa04ed?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/596ccd0c-8223-4c8f-b72f-b4f627fa04ed?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/596ccd0c-8223-4c8f-b72f-b4f627fa04ed?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/596ccd0c-8223-4c8f-b72f-b4f627fa04ed?model=4

Egon Schiele，以扭曲但极富表现力的人物形象闻名，早期表现主义大师

文生图模型进化简史和生成能力比较——艺术肖像篇 SD1.5 https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=4

Coby Whitmore，捕捉 20 世纪中期华丽、时尚社会生活本质的优雅女性肖像画

文生图模型进化简史和生成能力比较——艺术肖像篇 SD1.5 https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=2

文生图模型进化简史和生成能力比较——艺术肖像篇 SDXL1.0 https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=5

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv4 https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=1

文生图模型进化简史和生成能力比较——艺术肖像篇 MJv5.2 https://lib.kalos.art/artist/fdf40250-9ba5-4b2d-bd12-8c58bd7ba556?model=4

AIGC 艺术的进化之快超出所有人的想象，SD1.5 生成能力和美感虽然不如 SDXL1.0 和 MJv4 & 5.2，但它需要的资源少，社区基于它 fine-tune 出了许多非常优秀的大小模型，再配合 controlNet，LoRA 和一些插件，它的综合表现、开放性、多样性在某些应用场景下甚至比新一代高参数的 SDXL 和 MJ v4 & 5.2 要好。

SDXL1.0 则出道即巅峰，社区正在积极拥抱它，相信社区各路大佬，定会玩出各种神器。

MJv4 和 MJv5.2 易用程度和美感一如既往的好，从未失去其艺术性王者的地位，虽然可控性上比较弱。

想要看看更多艺术家风格在不同模型里的呈现，来我的 Lib.KALOS.art 看看吧，目前全球最大的文生图艺术风格参考库：

1300+ 艺术家共五万余张 4v1 样式图片
覆盖五代最主流的文生图基础模型
用每个艺术家样式生成了 8~11 种常见主题供参考，如人像、风景、科幻、街景、动物、花卉等

文生图模型进化简史和生成能力比较——艺术肖像篇

现有常见 AIGC 样式库，每个艺术家都只有几张 “artwork by artistname” 的结果图片。但我认为艺术家样式需要跟不同主题结合后才能更全面地体现他/她在模型里的识别度和表现力。所以我们为每个艺术家生成了 8~11 个主题，按固定布局在独立页面里呈现。很适合用于艺术家和模型之间的横向比较。

文生图模型进化简史和生成能力比较——艺术肖像篇