影像生成式AI：Python程式實戰
活動訊息
全館滿$1,200送150點金幣，4月歡慶兒童節，童書、玩具、文具滿1000元再送200點金幣！
內容簡介
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。
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
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
配送方式
-
台灣
- 國內宅配：本島、離島
-
到店取貨：
不限金額免運費
-
海外
- 國際快遞：全球
-
港澳店取：
訂購/退換貨須知
加入金石堂 LINE 官方帳號『完成綁定』，隨時掌握出貨動態：
提醒您！！
金石堂及銀行均不會請您操作ATM! 如接獲電話要求您前往ATM提款機，請不要聽從指示，以免受騙上當！
退換貨須知：
**提醒您，鑑賞期不等於試用期，退回商品須為全新狀態**
-
依據「消費者保護法」第19條及行政院消費者保護處公告之「通訊交易解除權合理例外情事適用準則」，以下商品購買後，除商品本身有瑕疵外，將不提供7天的猶豫期：
- 易於腐敗、保存期限較短或解約時即將逾期。（如：生鮮食品）
- 依消費者要求所為之客製化給付。（客製化商品）
- 報紙、期刊或雜誌。（含MOOK、外文雜誌）
- 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、電子雜誌、下載版軟體、虛擬商品…等）
- 已拆封之個人衛生用品。（如：內衣褲、刮鬍刀、除毛刀…等）
- 若非上列種類商品，均享有到貨7天的猶豫期（含例假日）。
- 辦理退換貨時，商品（組合商品恕無法接受單獨退貨）必須是您收到商品時的原始狀態（包含商品本體、配件、贈品、保證書、所有附隨資料文件及原廠內外包裝…等），請勿直接使用原廠包裝寄送，或於原廠包裝上黏貼紙張或書寫文字。
- 退回商品若無法回復原狀，將請您負擔回復原狀所需費用，嚴重時將影響您的退貨權益。
商品評價