图像生成学习站

学习路径

按「入门 → 核心 → 进阶 → 前沿」四个阶段推进；★ 标记的知识点组成最小可用路径——10 站、约 225 分钟，打通「懂原理、能出图」的最短闭环。

学习进度

已掌握 0 / 0 个知识点 · 在学 0 个0%

★ 最小可用路径

从「什么是生成模型」走到「标准文生图管线」，每站建立在前置站之上：

1什么是生成式图像模型 2像素、潜空间与压缩表示 3前向加噪过程与噪声调度 4反向去噪与 DDPM 训练目标 5去噪网络骨干：U-Net 与 DiT 6潜空间扩散：Stable Diffusion 架构 7无分类器引导 CFG 8文本条件：CLIP 编码器与交叉注意力 9正向提示词结构模板 10文生图标准管线拆解
入门

入门阶段

建立全景图，认识生成模型与提示词模板 · 5 个知识点 · 约 85 分钟
什么是生成式图像模型 kp-001 · 约 15 分钟 · ★ 最小路径 未学 生成模型四大谱系：VAE·GAN·扩散·自回归 kp-002 · 约 20 分钟 未学 像素、潜空间与压缩表示 kp-003 · 约 15 分钟 · ★ 最小路径 未学 生成质量三维度：保真·多样性·可控性 kp-004 · 约 15 分钟 未学 正向提示词结构模板 kp-017 · 约 20 分钟 · ★ 最小路径 未学
核心

核心阶段

掌握扩散数学、条件机制与管线拆解 · 16 个知识点 · 约 355 分钟
前向加噪过程与噪声调度 kp-005 · 约 30 分钟 · ★ 最小路径 未学 反向去噪与 DDPM 训练目标 kp-006 · 约 30 分钟 · ★ 最小路径 未学 去噪网络骨干：U-Net 与 DiT kp-007 · 约 20 分钟 · ★ 最小路径 未学 潜空间扩散：Stable Diffusion 架构 kp-008 · 约 25 分钟 · ★ 最小路径 未学 采样器与步数 kp-009 · 约 25 分钟 未学 无分类器引导 CFG kp-010 · 约 20 分钟 · ★ 最小路径 未学 文本条件：CLIP 编码器与交叉注意力 kp-011 · 约 25 分钟 · ★ 最小路径 未学 图生图与重绘幅度 kp-012 · 约 20 分钟 未学 局部重绘与外扩：Inpainting / Outpainting kp-013 · 约 20 分钟 未学 负向提示词：机制与常用策略 kp-018 · 约 15 分钟 未学 提示词权重语法与原理 kp-019 · 约 15 分钟 未学 提示词迭代调试方法 kp-020 · 约 20 分钟 未学 ComfyUI 节点图机制：数据流与张量传递 kp-021 · 约 25 分钟 未学 文生图标准管线拆解 kp-022 · 约 25 分钟 · ★ 最小路径 未学 采样参数与算力权衡 kp-024 · 约 20 分钟 未学 常见失败模式与成因诊断 kp-025 · 约 20 分钟 未学
进阶

进阶阶段

深入可控性、模型谱系、评估与一致性 · 6 个知识点 · 约 155 分钟
ControlNet：结构条件注入 kp-014 · 约 30 分钟 未学 LoRA 与微调谱系 kp-015 · 约 30 分钟 未学 图像条件与参考注入：IP-Adapter 一族 kp-016 · 约 20 分钟 未学 开源模型谱系：SD1.5·SDXL·SD3·Flux kp-023 · 约 25 分钟 未学 生成质量评估：FID·CLIP Score·人评 kp-026 · 约 25 分钟 未学 一致性生成：固定种子与角色一致性 kp-027 · 约 25 分钟 未学
前沿

前沿阶段

版权、检测与历史，形成负责任的使用观 · 3 个知识点 · 约 65 分钟
版权与训练数据争议 kp-028 · 约 20 分钟 未学 生成检测与内容水印 kp-029 · 约 20 分钟 未学 历史脉络：从 GAN 王朝到扩散时代 kp-030 · 约 25 分钟 未学