最近吧里对AI画图的讨论很是热烈，但也出现很多对原理的错误理解，有些是以讹传讹。最常见的误解是这样的：先提取关键字，然后从数据库搜出几幅图片，最后将图片缝合到一起。实际上与真正的原理八竿子打不着关系，我猜测这种结论应该是由果推因，毕竟从最终效果来看，确实有一定的缝合嫌疑。
下面我尝试用通俗的语言来解释AI画图的原理，尽量让没有AI基础的人都能看懂。
首先定义AI画图是什么？本帖仅指代“由文本生成图像”这种方法为“AI画图”。文本由人类提供，AI模型根据这条文本生成对应的图像。
在前些年一般是用对抗生成网络（GAN）还有一些别的方法来做的，效果一般般也没引起太大反响，就不细说了。今年四月DALL·E 2横空出世效果惊艳，于是大家也能看到今年讨论AI画图的特别多，其核心就是使用的扩散模型，以及CLIP模型。CLIP能将文本和图像关联起来的模型，这里就不细讲，我们看看最关键的扩散模型什么原理。
如下图所示，从左往右是逐渐增加噪声的过程，也叫扩散过程，从右往左则是逆过程，表示逐渐从噪声恢复出图片。扩散过程很简单，随便加点随机数就行，但我们让模型学的就是逆过程，模型需要一点点降噪恢复出原图。在最初的算法中这个过程要迭代1000次，V100显卡大概也要几分钟才能出图，现在优化到50次了。在降噪过程中，给模型提供文本信息，模型就能按照我们想要的方向进行降噪。
