MinAI - Về trang chủ
Lý thuyết
30 phút
Bài 1/3

Image Generation Fundamentals

Tìm hiểu cách Diffusion Models hoạt động để tạo hình ảnh

🎨 Image Generation Fundamentals

Trong bài này, chúng ta sẽ tìm hiểu cách các AI models tạo ra hình ảnh - từ lý thuyết đến thực hành.

Diffusion Models là gì?

Diffusion Process

Diffusion models học cách tạo hình ảnh bằng cách:

  1. Forward process: Thêm noise vào image cho đến khi thành random noise
  2. Reverse process: Học cách remove noise từng bước để tạo image
Diagram
graph LR
    I[Image] --> |Add Noise| N1[Noisy]
    N1 --> |More Noise| N2[Noisier]
    N2 --> |...| N3[Pure Noise]
    
    N3 --> |Denoise| R1[Less Noisy]
    R1 --> |Denoise| R2[Cleaner]
    R2 --> |...| G[Generated Image]

Các loại Image Generation Models

1. DALL-E (OpenAI)

  • DALL-E 2: 1024x1024, inpainting, variations
  • DALL-E 3: Better text, more accurate prompts
Python
1from openai import OpenAI
2
3client = OpenAI()
4
5response = client.images.generate(
6    model="dall-e-3",
7    prompt="A serene Vietnamese countryside with rice paddies at sunset, watercolor style",
8    size="1024x1024",
9    quality="hd",
10    n=1
11)
12
13image_url = response.data[0].url
14print(image_url)

2. Stable Diffusion

Open-source, chạy local được:

  • SD 1.5: Classic model, nhiều fine-tunes
  • SDXL: Higher quality, 1024x1024
  • SD 3: Latest, improved text rendering

3. Midjourney

  • Best cho artistic styles
  • Chạy qua Discord
  • Không có API public

Prompt Engineering cho Images

Structure của một good prompt

Text
1[Subject] + [Style] + [Details] + [Lighting] + [Quality Tags]

Ví dụ:

Text
1A Vietnamese woman in traditional áo dài, 
2watercolor painting style, 
3standing in a garden of lotus flowers,
4soft morning light,
5detailed, high quality, 4k

Positive vs Negative Prompts

Positive (muốn có):

  • "detailed", "high quality", "sharp focus"
  • "beautiful lighting", "professional photo"

Negative (không muốn):

  • "blurry", "low quality", "distorted"
  • "bad anatomy", "extra fingers"

Style Keywords

StyleKeywords
Photophotorealistic, photography, DSLR, 50mm
Artoil painting, watercolor, digital art
3D3D render, Blender, Unreal Engine
Animeanime style, manga, Studio Ghibli

Thực hành với Python

DALL-E 3 API

Python
1from openai import OpenAI
2import requests
3from PIL import Image
4from io import BytesIO
5
6client = OpenAI()
7
8def generate_image(prompt, size="1024x1024", quality="standard"):
9    """Generate image with DALL-E 3"""
10    response = client.images.generate(
11        model="dall-e-3",
12        prompt=prompt,
13        size=size,
14        quality=quality,
15        n=1
16    )
17    
18    image_url = response.data[0].url
19    revised_prompt = response.data[0].revised_prompt
20    
21    print(f"Revised prompt: {revised_prompt}")
22    return image_url
23
24# Generate
25prompt = "A cozy Vietnamese coffee shop (quán cà phê) with traditional decor, warm lighting, people enjoying cà phê sữa đá"
26url = generate_image(prompt, quality="hd")
27
28# Download image
29response = requests.get(url)
30img = Image.open(BytesIO(response.content))
31img.save("coffee_shop.png")

Replicate API (Stable Diffusion)

Python
1import replicate
2
3# SDXL
4output = replicate.run(
5    "stability-ai/sdxl:39ed52f2a78e934b3ba6e2a89f5b1c712de7dfea535525255b1aa35c5565e08b",
6    input={
7        "prompt": "Vietnamese street food scene, pho restaurant, steam rising, warm evening light",
8        "negative_prompt": "blurry, low quality",
9        "width": 1024,
10        "height": 1024,
11        "num_inference_steps": 30,
12        "guidance_scale": 7.5
13    }
14)
15
16print(output)  # Returns URL to generated image

Parameters quan trọng

Guidance Scale (CFG)

  • Low (1-5): Creative, less adherent to prompt
  • Medium (7-10): Balanced
  • High (15+): Strict adherence, có thể over-saturated

Steps

  • Low (20-30): Fast, less detailed
  • Medium (40-50): Good balance
  • High (100+): Slow, marginal improvement

Seed

Cùng seed + cùng prompt = cùng output:

Python
1# Reproducible generation
2output = generate(
3    prompt="...",
4    seed=12345  # Fixed seed
5)

Image Sizes & Aspect Ratios

Use CaseAspect RatioSize
Square (Instagram)1:11024x1024
Portrait2:3832x1216
Landscape3:21216x832
Wide16:91344x768

Best Practices

Image Generation Tips
  1. Be specific trong prompts
  2. Start simple, add details gradually
  3. Use negative prompts để avoid artifacts
  4. Experiment với styles và artists
  5. Save seeds cho reproducibility
  6. Iterate - gen nhiều, chọn best

Bài tập thực hành

Hands-on Exercise

Generate Images với DALL-E:

  1. Tạo OpenAI account và get API key
  2. Generate 5 images với các styles khác nhau:
    • Photorealistic
    • Watercolor
    • Digital art
    • Anime
    • 3D render
  3. Experiment với prompt variations
  4. Compare quality vs cost

Target: Understand relationship giữa prompt và output

Tiếp theo

Bài tiếp theo: DALL-E 3 Deep Dive - API usage chi tiết, prompt engineering advanced.

Tài liệu tham khảo