《人工智能辅助的数字媒体创作》· 第二章
引言：一幅画改变世界对AI的认知
2022年8月，游戏设计师Jason Allen用Midjourney生成的画作《太空歌剧院》夺得科罗拉多州博览会艺术比赛金奖，引发全球轰动。无论你是支持还是质疑，这一事件标志着AI图像生成正式进入主流视野。从那时起，Stable Diffusion、DALL·E、Midjourney三大平台引领了一场"文生图"革命。这一章，我们将深入探索AI如何重新定义"作画"这一古老的人类行为。
第一节：人工智能与图片的关系
从像素处理到语义理解
传统的图像处理软件（如Photoshop）操作的是像素：亮度、对比度、色相、饱和度。而AI图像生成引擎操作的是语义：理解"一只穿着宇航服的柴犬在月球上行走"这句话的含义，并创造出对应的视觉。
核心技术：从GAN到扩散模型
GAN时代（2014-2021）：StyleGAN生成逼真人脸，BigGAN生成多样物体。优势是生成速度快，劣势是训练不稳定、多样性有限。
扩散模型时代（2022-至今）：从随机噪声出发，通过逐步"去噪"还原出符合文字描述的图像。Stable Diffusion、DALL·E 2/3、Midjourney均基于此。优势是多样性高、可控性强，但生成需要多次迭代。
关键概念：Latent Space与条件控制
Latent Diffusion：不像传统扩散模型直接在像素空间操作，Stable Diffusion在压缩后的"潜空间"（latent space）进行扩散，极大降低了计算成本。
CLIP引导：OpenAI的CLIP模型负责理解文本描述，将文字编码为模型可用的条件信号，指导扩散方向。
ControlNet：在Stable Diffusion基础上增加额外的控制条件（如边缘检测图、人体骨骼图、深度图），实现精确的构图控制。
第二节：如何使用AI生成和编辑图片
三大主流平台对比
提示词工程：从入门到精通
一个好的图像生成提示词（Prompt）是创作成功的关键。以Midjourney为例，推荐结构：
[主体描述] + [环境/场景] + [艺术风格] + [光照/色彩] + [构图/视角] + [画质参数]例如：
A young Chinese woman in traditional Hanfu, standing in a bamboo forest at sunrise, ink wash painting style, soft golden light filtering through leaves, misty atmosphere, full body shot, 8K, masterpiece --ar 3:4 --v 6图片编辑：超越生成
Inpainting（局部重绘）：选中图像中的某个区域，用文字描述替换内容。如"把背景中的汽车换成喷火龙"。
Outpainting（扩展画布）：在图像边缘外扩展内容，AI自动补全。适合将竖版图片扩展为横版。
Image-to-Image（图生图）：输入一张参考图作为基础，AI根据文字描述进行风格迁移或细节调整。
Remove Background（去背景）：AI自动分离主体和背景，精确度远超传统抠图工具。
课程思政：AI技术在中国山水画创作中的探索
中国山水画讲究"外师造化，中得心源"，追求的不是客观复现，而是意境的传达。AI在这一点上展现出惊人的契合度——扩散模型天然具有一种"模糊美学"，与中国画的"似与不似之间"有着精神上的共鸣。
近年来，不少中国数字艺术家开始用Stable Diffusion训练专属的中国山水画模型。他们不是简单地让AI模仿古画，而是用现代的视角重新诠释传统。例如，用"赛博朋克 + 千里江山图"生成的作品，既保留了中国青绿山水的色彩体系，又融入了未来主义元素，成为传播中国文化的新媒介。
这提醒我们：AI不是让传统消亡的威胁，而是让传统焕发新生的机遇。关键在于，操控AI的人是否有足够的文化自觉和审美素养。
本章小结
AI图像生成从GAN进化到扩散模型，实现了从"像"到"美"的跨越
三大主流平台各有侧重：Midjourney重审美、SD重可控、DALL·E 3重理解
好的提示词 = 主体 + 场景 + 风格 + 光照 + 构图 + 参数
AI不仅是生成工具，更是图片编辑利器（Inpainting、Outpainting、去背景）
AI与中国传统艺术的碰撞，不是替代，而是创新融合
课后练习：使用任意AI绘图工具，以"中国传统元素+未来主义"为主题创作一幅作品，附200字创作思路。
下一篇预告：第三章 · AI视频生成与编辑——让创意动起来
作者：AIGC研究者与教育者 | 2026年6月