Yila
扩散模型:前向加噪与反向去噪 (EN)

AI 与计算机

扩散模型:前向加噪与反向去噪

构图:
一行图像,上下两条方向相反的箭头
画幅:
16:9

提示词

画一张【用于图像生成的扩散模型】示意图:一行五张小图。最左边是一张清晰的【花】的图片;越往右噪点越多,最右边是纯灰色的雪花噪声。 1. 这一行上方一条长箭头从左指向右:前向过程逐步加噪。 2. 这一行下方一条长箭头从右指向左:反向过程逐步去噪。 3. 下方箭头经过一个代表去噪网络的小框,小框放在这一行中间的正下方。 只有最左和最右两张图加标签。 整张图里每个标签只写一次。 标签(每个只出现一次,不加其他文字):【Clean image, Pure noise, Forward process: add noise, Reverse process: denoise, Denoising network】。 风格:期刊式示意框图。白色背景上干净的扁平矢量图形。模块画成圆角矩形或简洁图标,名称写在里面;用浅色面板把相关的层归在一起。只用 3–4 种低饱和度颜色,每种颜色含义固定。细而粗细一致的箭头表示数据、能量、物质或影响的流向,间接或反馈关系用虚线箭头。图中文字只用英文无衬线字体,每个标签只出现一次,拼写与给定完全一致。不要 3D 渲染、阴影、发光、赛博朋克或科技感背景装饰,不要照片质感。

在 Yila 中打开,并带上这段提示词和示例参考图。

示例图由 Nano Banana 生成。提示词也可用于 GPT Image 等图像模型,效果因模型而异。

浏览全部提示词