生成式AI領域中，影像生成式AI尤其引人注目，不僅顛覆了過去認為「AI不具有創造力」的傳統觀念，更受到學術界與產業界的高度關注，持續投入資源進行相關研究與開發。其應用範圍相當廣泛，涵蓋：教育、藝術與設計創作、廣告與行銷、娛樂與媒體、文化典藏、醫學與健康照護等。事實上，影像生成式AI的潛在應用遠不止於此，它正持續拓展至更多領域，並深刻影響著人類社會的發展方向。

展開看更多

查看全部

產品目錄

目錄
Chapter1 介紹
1-1 引言
1-2 生成式人工智慧
1-3 影像式生成AI的發展歷程
1-4 影像生成式AI的實際應用
1-5 本章小結

Chapter2 影像處理與深度學習基礎
2-1 基本概念
2-2 Python程式語言
2-3 影像處理基礎
2-4 OpenCV程式庫
2-5 影像處理初體驗
2-6 深度學習框架
2-7 本章小結

Chapter3 自編碼器與變分自編碼器
3-1 基本概念
3-2 自編碼器
3-3 Python程式實戰:自編碼器
3-4 變分自編碼器
3-5 Python程式實戰:變分自編碼器
3-6 本章小結

Chapter4 從零開始的生成對抗網路
4-1 基本概念
4-2 生成對抗網路
4-3 DCGAN
4-4 Python程式實戰:DCGAN
4-5 PGAN
4-6 Python程式實戰:PGAN
4-7 BigGAN
4-8 Python程式實戰:BigGAN
4-9 本章小結

Chapter5 Pix2Pix與CycleGAN影像轉換
5-1 基本概念
5-2 Pix2Pix
5-3 CycleGAN
5-4 Python程式實戰:Pix2Pix與CycleGAN
5-5 本章小結

Chapter6 StyleGAN風格控制生成
6-1 基本概念
6-2 StyleGAN
6-3 StyleGAN架構與技術原理
6-4 Python程式實戰:StyleGAN
6-5 本章小結

Chapter7 StyleGAN延伸技術與應用
7-1 基本概念
7-2 Pixel2Style2Pixel（pSp）
7-3 Python程式實戰: Pixel2Style2Pixel（pSp）
7-4 Encoder for Ending（e4e）
7-5 Python程式實戰: Encoder for Ending（e4e）
7-6 Restyle
7-7 Python程式實戰: Restyle
7-8 High-Fidelity Generative Inversion（HFGI）
7-9 Python程式實戰: HFGI
7-10 綜合比較與應用建議
7-11 本章小結

Chapter8 人臉特效生成技術與應用
8-1基本概念
8-2人臉對齊
8-3 Python程式實戰:人臉對齊
8-4 美膚特效
8-5 Python程式實戰:美膚特效
8-6 口紅特效
8-7 Python程式實戰:口紅特效
8-8 瘦臉特效
8-9 Python程式實戰:瘦臉特效
8-10 髮型轉移特效
8-11 Python程式實戰:髮型轉移
8-12 本章小結

Chapter9 超解析度與人臉修復技術
9-1 基本概念
9-2 OpenCV超解析度
9-3 Python程式實戰:OpenCV超解析度
9-4 Real-ESRGAN:進階超解析度模型
9-5 Python程式實戰:Real-ESRGAN:進階超解析度
9-6 人臉修復
9-7 Python程式實戰:人臉修復
9-8 本章小結

Chapter10 傳統與生成式AI換臉技術
10-1 基本概念
10-2 換臉技術的發展歷程
10-3 使用OpenCV與Dlib的換臉技術
10-4 Python程式實戰:使用OpenCV與Dlib的換臉技術
10-5 InsightFace換臉技術
10-6 Python程式實戰:InsightFace換臉技術
10-7 本章小結

Chapter11 擴散模型與DDPM入門
11-1 基本概念
11-2 擴散模型
11-3 去雜訊擴散機率模型（DDPM）
11-4 Python程式實戰:DDPM
11-5 本章小結

Chapter12 Stable Diffusion入門
12-1 基本概念
12-2 目前主流的擴散模型平台
12-3 Stable Diffusion架構與核心技術
12-4 Stable Diffusion與Stable Diffusion XL模型
12-5 Stable Diffusion的預訓練模型
12-6 Python程式實戰:Stable Diffusion
12-7 Python程式實戰:Stable Diffusion GUI
12-8 本章小結

Chapter13 Stable Diffusion延伸技術與應用
13-1 基本概念
13-2 LoRA:輕量化風格學習與模型微調技術
13-3 Python程式實戰:LoRA
13-4 ControlNet:條件影像控制的構圖導引技術
13-5 Python程式實戰:ControlNet
13-6 IP-Adapter:影像引導式生成的身分保留技術
13-7 Python程式實戰:IP-Adapter
13-8 本章小結

Chapter14 虛擬人物動畫生成技術
14-1 基本概念
14-2 SadTalker:語音驅動的虛擬人物動畫生成技術
14-3 Python程式實戰:SadTalker
14-4 LivePortrait:視訊驅動的虛擬人物動畫生成技術
14-5 Python程式實戰:LivePortrait
14-6 本章小結

Chapter15 生成式AI的挑戰與未來展望
15-1 基本概念
15-2 生成式AI的倫理挑戰
15-3 生成式AI的偏誤與公平性
15-4 生成式AI的法律與監管議題
15-5 生成式AI的未來展望
15-6 本書結語

附錄

習題

規格

誠品貨碼 / 2683146224004

ISBN13 / 9786264016490

ISBN10 /

EAN貨碼 / 9786264016490

頁數 / 384

裝訂 / P:平裝

語言 / 1:中文/繁體

尺寸 / 26x19x1.7

級別 / N:無

重量(g) / 770

退貨說明

退貨須知：

依照消費者保護法的規定，您享有商品貨到次日起七天猶豫期(含例假日)的權益(請注意！猶豫期非試用期)，辦理退貨之商品必須是全新狀態(不得有刮傷、破損、受潮)且需完整(包含全部商品、配件、原廠內外包裝、贈品及所有附隨文件或資料的完整性等)。
請您以送貨廠商使用之包裝紙箱將退貨商品包裝妥當，若原紙箱已遺失，請另使用其他紙箱包覆於商品原廠包裝之外，切勿直接於原廠包裝上黏貼紙張或書寫文字。若原廠包裝損毀將可能被認定為已逾越檢查商品之必要程度，本公司得依毀損程度扣除回復原狀必要費用(整新費)後退費；請您先確認商品正確、外觀可接受，再行拆封，以免影響您的權利；若為產品瑕疵，本公司接受退貨。

依「通訊交易解除權合理例外情事適用準則」，下列商品不適用七日猶豫期，除產品本身有瑕疵外，不接受退貨：

易於腐敗、保存期限較短或解約時即將逾期。(如:生鮮蔬果、乳製品、冷凍冷藏食材、蛋糕)
依消費者要求所為之客製化給付。(如:客製印章、鋼筆刻字)
報紙、期刊或雜誌。
經消費者拆封之影音商品或電腦軟體。
非以有形媒介提供之數位內容或一經提供即為完成之線上服務，經消費者事先同意始提供。(如:電子書)
已拆封之個人衛生用品。(如:內衣褲、襪類、褲襪、刮鬍刀、除毛刀等貼身用品)
國際航空客運服務。

若您退貨時有下列情形，可能被認定已逾越檢查商品之必要程度而須負擔為回復原狀必要費用(整新費)，或影響您的退貨權利，請您在拆封前決定是否要退貨：

以數位或電磁紀錄形式儲存或著作權相關之商品(包含但不限於CD、VCD、DVD、電腦軟體等) 包裝已拆封者(除運送用之包裝以外)。
耗材(包含但不限於墨水匣、碳粉匣、紙張、筆類墨水、清潔劑補充包等)之商品包裝已拆封者(除運送用之包裝以外)。
衣飾鞋類/寢具/織品(包含但不限於衣褲、鞋子、襪子、泳裝、床單、被套、填充玩具)或之商品缺件(含購買商品、附件、內外包裝、贈品等)或經剪標或下水或商品有不可回復之髒污或磨損痕跡。
食品、美容/保養用品、內衣褲等消耗性或個人衛生用品、商品銷售頁面上特別載明之商品已拆封者(除運送用之包裝外一切包裝、包括但不限於瓶蓋、封口、封膜等接觸商品內容之包裝部分)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
家電、3C、畫作、電子閱讀器等商品，除商品本身有瑕疵外，退回之商品已拆封(除運送用之包裝外一切包裝、包括但不限於封膜等接觸商品內容之包裝部分、移除封條、拆除吊牌、拆除貼膠或標籤等情形)或已非全新狀態(外觀有刮傷、破損、受潮等)與包裝不完整(缺少商品、附件、原廠外盒、保護袋、配件紙箱、保麗龍、隨貨文件、贈品等)。
退貨程序請參閱【客服專區→常見問題→誠品線上退貨退款】之說明。

付款/配送

影像生成式AI: Python程式實戰

內容簡介

產品目錄

規格

退貨說明

作者相關書籍