stable diffusion实践操作-embedding（TEXTUAL INVERSION）

Table of Contents

系列文章目录

本文专门开一节写图生图相关的内容，在看之前，可以同步关注：
stable diffusion实践操作

文章目录

系列文章目录
前言
总结

前言

textualinversion 中文名为文本反转，可以理解为提示词的集合，提示词打包，可以省略大量的提示词。后缀safetensors，大小几十kb

本文根据B站A_Eye视频而来，需要看原视频的，可以进入：
Stable diffusion喂饭级基础教程第九期什么是embedding

1、embeddding的功能

可以理解为提示词的集合，可以省略大量的提示词。

下面是一篇关于embeddding的权威论文，感兴趣的小伙伴可以自己去看

我总结一下，举个例子，希望左图生成右图，那么对于左面的模型来说，右边的图是个新的概念，然而在一个大模型中，引入新的概念是很困难的，如果为了这个新的图片而重新训练模型，成本就太高了。

所以论文作者提出了一个新的想法，就是在文本编码器的嵌入空间中，找到新的伪装词，通过这个伪装词，去捕获高级语义和精细的视觉细节

换句话说，就是采用少量有图的文本，训练出一个新的反转文本，这个反转文本可以在生成图片的时候，可以嵌入到大模型的词汇库中，让左边模型学习到了右边图片的概念，从而生成带有右边特征的图片。
这样就可以使用语言文本，将新的特征注入到模型当中，训练成本低，使用方便，并且体积很小，唯一缺点是很难进行精确学习，但是对于普通人来说已经足够了。