0 0 类别 : 教案

《艺术畅想——AI绘图》教学设计 课型 新授课 学时 1 授课年级 八年级 课程指南 智能意识 通过介绍扩散模型，让学生了解其在图像生成和处 理中的独特作用 智能思维 理解扩散模型的工作原理，能够分析扩散模型相比 生成对抗网络的优势 智能应用与创造 了解扩散模型在图像生成、艺术创作等领域的应用 实例 智能社会责任 了解在使用扩散模型时，应遵守的伦理规范和应承 担的社会责任，以及如何在创作中避免滥用技术和 侵犯他人权益 内容分析 在多模态大语言模型 AI绘图领域，扩散模型正逐渐崭露头角，成为了一 种重要的图像生成技术。随着技术的不断发展，传统的图像生成方法如生成 对抗网络虽然取得了显著的成果，但扩散模型以其独特的优势，正逐渐受到 更多研究者和开发者的青睐。与生成对抗网络相比，扩散模型在生成图像时 具有更高的灵活性，能够根据不同的条件和输入生成多样化的图像，这对于 创意设计和个性化图像生成具有重要意义。 本课时关于扩散模型的介绍，不仅丰富了学生对 AI绘图技术的了解，而 且为学生打开了一个全新的视野，让他们看到人工智能技术如何通过模拟人 类的创作过程，实现图像、文本等多种模态信息的融合与生成。这一内容的 学习，将为学生未来深入研究生成式人工智能相关领域，或者将生成式人工 智能技术应用于实际问题解决中，奠定坚实的基础。 学情分析 知识基础： 学生在之前的学习中已经接触了一些大语言模型的知识和原理，如 Transformer 架构、提示词技术等。在上一课时中，学生也已经学习了生成 对抗网络（GAN）的基本原理，但扩散模型的原理与生成对抗网络并不相同， 理解起来可能存在一定困难。因此，在扩散模型的教学中，需要适当回顾和 巩固这些基础知识，以便学生能够更好地理解和掌握新内容。 认知特点： 八年级学生对新事物充满好奇，喜欢探索和尝试。他们能够进行一定的抽象 思维，但对于复杂的概念和原理仍需要具体的例子和直观的解释来辅助理 解。在本课时中，学生可能会对扩散模型的工作原理和应用场景产生浓厚兴 趣，但同时也可能对这些抽象的技术细节感到困惑。因此，在教学过程中， 应采用直观、生动的教学方式，如通过图示、动画来帮助学生理解扩散模型 的工作原理。 学习风格： 八年级学生的学习风格多样，有的喜欢通过听讲来学习，有的喜欢通过阅读 来学习，还有的喜欢通过动手实践来学习。为了满足不同学生的学习需求， 教学应采用多种教学方法和手段。例如，可以通过讲授、讨论、案例分析、 实验操作等多种方式进行教学。同时，应鼓励学生积极参与课堂活动，提问、 讨论和分享自己的想法和见解。通过多样化的教学方式，可以激发学生的学 习兴趣，提高他们的学习效果。 教学目标 知识与技能 1.通过介绍扩散模型，让学生了解其在图像生成和 处理中的独特作用 2.了解扩散模型在图像生成、艺术创作等领域的应 用实例 过程与方法 1.理解扩散模型的工作原理，能够分析扩散模型相 比生成对抗网络的优势 2. 情感态度与价值观 1.了解在使用扩散模型时，应遵守的伦理规范和应 承担的社会责任，以及如何在创作中避免滥用技术 和侵犯他人权益 2. 教学重难点 教学重点 扩散模型的应用场景 教学难点 扩散模型的训练过程 教学方法 讲授法、演示法、任务驱动法 学习环境与 教学资源 ·学习环境 配备先进的多媒体教学设备的机房，如投影仪、电脑、音响系统等 拥有稳定的网络连接，以便访问在线资源 ·教学资源 课件、教案、任务单、多模态大语言模型集成平台 教学过程 教学环节 教师活动 学生活动 设计意图 复习回顾 1.复习生成对抗网络： 生成对抗网络中，生成器负责不断生 成新的图像，目的是“骗过”判别 器；判别器负责判断图像是真实的， 还是生成器生成的，判别器目的是 “识破”生成器生成的图像。 设置问题：如果你是生成器，当你发 现判别器很容易被你生成的图片“骗 过”时，你愿意主动改变你生成的图 片吗？ 1.跟随老师的引 导，回顾生成对抗 网络的基本原理 和运作机制，再次 明确生成器和判 别器在 GAN中的角 色和目的。 2.思考老师提出 的问题，设想自己 作为生成器，在判 别器容易被欺骗 的情况下，是否会 选择改变生成的 图片，以及这样做 的理由 通过复习生成 对抗网络的基 本概念和原理， 帮助学生巩固 上一课时所学 的知识点。 通过提问和讨 论，激发学生的 批判性思考，让 他们从生成器 的角度去考虑 生成对抗网络 的运作，引出生 成对抗网络的 缺陷，自然引出 本节课的主题 ——扩散模型， 为接下来讲解 扩散模型的原 理做好铺垫 由表及里：认 识人工智能 1.介绍扩散模型： 扩散模型通常只需训练一个模型，因 此扩散模型在生成图像时更加稳定， 且能够产生更多样化的图像输出。 2.介绍扩散模型绘图工具： Midjourney: 文心一格： 1.仔细听老师介 绍扩散模型的特 点，了解扩散模型 在图像生成中的 稳定性和多样性。 记录下扩散模型 与生成对抗网络 的主要区别 通过老师的讲 解，确保学生能 够准确理解扩 散模型的基本 概念、特点和优 势，为后续深入 学习打下基础。 身临其境：体 验人工智能 1.体验 AI 绘图： 打开平台大语言模型集成平台。点击 AI绘图，选择一个你感兴趣的主题 （如自然风景、动漫人物、生活用品 等）。输入提示词，比如“吃竹笋的 大熊猫”，然后观察大语言模型生成 的图像 观察：你认为平台生成的图片与你想 象中的差距大吗？ 1.将想象中的场 景或物体通过提 示词描述输入到 多模态大语言模 型集成平台中，利 用平台的 AI 绘画 功能，生成对应的 图片。 2.观察平台生成 的图片，与自己原 先的想象进行对 比 通过亲身体验 AI绘画，实际操 作多模态大语 言模型集成平 台，使学生直观 地感受到 AI 技 术的魅力及其 局限性。同时， 通过对比生成 的图片与自己 想象中的差距， 培养学生的批 判性思维和审 美能力。 介绍扩散模型 绘图的基本逻 辑 1.扩散模型基本原理： 扩散模型的思路是通过一种偏向于优 化的方式，逐步从一个纯噪声的图片 中生成图像。 提问：去噪需要一定规律，如何让模 型学会这种规律呢？ 答案：先通过加噪的方式，把一张图 片变成纯噪声图像，再把整个过程反 着来一遍 1.观看教师展示 的纯噪声图片，并 想象如何从这样 的噪声中生成有 意义的图像。 2.认真思考老师 提出的问题，进行 短暂的小组讨论， 思考并尝试回答 如何让模型学会 去噪的规律 通过简单介绍 扩散模型的绘 图原理，帮助学 生理解这一先 进的 AI 绘图技 术背后的原理。 探究扩散模型 的训练过程 1.扩散模型的训练过程： 前向扩散阶段—加噪 前向扩散阶段是训练扩散模型的最重 要的一步。在前向扩散阶段中，不断 地逐步往图片中添加噪点，我们把这 种噪点叫做高斯噪声。直到图像完全 无法识别，变成一个纯噪声图片为 止。每一个噪声图片都是在前一时刻 的基础上增加噪声而来的，从最开始 的 X0时刻开始，最终得到 XT时刻的纯 噪声图像 反向生成阶段—去噪 反向生成阶段是前向扩散过程的逆过 程，所以反向生成阶段最主要的工作 是“去噪”。逐步消除在前向扩散阶 段中添加的噪声，从 XT时刻开始，通 1.认真倾听老师 讲解扩散模型的 训练过程，特别是 关于前向扩散和 反向生成两个阶 段的详细解释。 2. 观察老师展示 的扩散模型训练 过程的图示或动 画，以更直观地理 解前向扩散和反 向生成的步骤。 通过老师的讲 解和图示，帮助 学生理解扩散 模型的训练过 程，特别是前向 扩散和反向生 成这两个核心 阶段，同时激发 他们对 AI 绘图 技术的兴趣。 过“去噪”一步步恢复原始图像。在 这个过程中，往往把输入的文本作为 引导条件来指导“去噪”过程，从而 实现图像的生成。 展示扩散模型 的应用场景 1.扩散模型的应用场景： 应用场景一：文生图 通过向文本到图像的生成器输入文本 提示，扩散模型便能够创造出新的图 像。百度的文心一格和腾讯的混元文 生图大模型是典型的代表。在这些应 用中，扩散模型可以根据给定的条件 或文本描述生成相应的图像 应用场景二：视频生成 通过逐步向视频中添加噪声并学习恢 复过程，可以生成连贯且高质量的视 频内容。利用这一技术，内容创作者 可以通过输入文本提示，制作出简短 而高质量的视频内容。 1.认真倾听教师 介绍扩散模型在 文生图、视频生成 和图像降噪三个 应用场景中的具 体使用。 2.仔细观察教师 展示相关应用场 景的实例或演示， 了解扩散模型在 实际应用中的效 果 通过介绍和展 示扩散模型在 文生图、视频生 成和图像降噪 等场景的应用， 让学生直观了 解技术的实际 应用，激发学生 对这些技术的 兴趣 通过了解扩散 模型在不同场 景的应用，拓展 学生的知识视 野，启发他们的 创新思维，为未 来可能的创新 应用打下基础。 思考：相较于图像，视频是动态的， 由一系列连续的画面组成，结合这一 点讨论扩散模型在图像生成与视频生 成中的应用存在哪些区别？ 答案：需要处理时间序列上的连续画 面，增加了数据处理的维度和难度， 计算资源的需求显著增加。 应用场景三：图像去噪 对于受到噪声干扰的图像，扩散模型 可以通过反向生成阶段去除噪声，恢 复出清晰的图像。 大显身手：玩 转人工智能 1. 刮画探秘：体验扩散模型之 美 1.每人准备一张刮画纸（一种表面覆 盖黑色蜡层的特种纸，可用硬物如硬 币、竹笔等刮去表层，显露出下层的 彩色）、刮画工具（如硬币、竹笔 1.提前准备好刮 画纸、刮画工具 （如硬币、竹笔 等）以及修复液 2.使用刮画工具 在刮画纸上随意 刮出初始图案， 3.完成原始图案 后，学生将作品交 通过动手刮画 和修复的过程， 培养学生的动 手能力和实践 技能，让他们亲 身体验扩散模 型的前向扩散 和反向生成的 过程。通过模拟 等）、修复液。 2.用刮画工具在刮画纸上随意刮出一 些初始图案，这些图案代表原始数 据，由老师将学生的原始图案拍照记 录下来。 3.模拟前向扩散过程，即在原始图案 上逐步增加“噪声”（在刮画纸上增 加更多的刮痕，使图像变得模糊和复 杂） 4.模拟反向生成过程，即根据模糊的 刮画图像，尝试反向生成出接近原始 的清晰图案，对图像进行“去噪” （使用修复液逐步填补多余的刮 痕），恢复出原来的初始图案。 5.完成恢复之后，将刮画纸交给老 师，老师对学生恢复的图案与学生的 原始图案进行对比，对恢复程度高的 同学颁发奖励。 给老师拍照记录， 以便后续对比和 评估 4.在原始图案上 继续刮画，逐步增 加更多的刮痕和 线条，模拟前向扩 散阶段中噪声的 添加，使图像逐渐 变得模糊和复杂。 5. 识别出多余的 刮痕，使用修复液 对模糊的刮画图 像进行修复，尝试 反向生成出接近 原始的清晰图案 6.完成恢复后，学 生将刮画纸交给 老师进行最终评 估 前向扩散和反 向生成过程，帮 助学生更直观 地理解这两个 阶段在 AI 图像 处理中的作用， 加深对扩散模 型原理的感知。 能言善辩：我 思故我在 1.回顾所学思考问题： 2022年，最大的艺术网站 Artstation 因支持上传 AI生成的艺术作品而引发 了艺术家们的集体抵制。在这场抵制 AI的风波中，许多画师采取了向 AI数 据库投喂“鬼图”的策略，试图以此 方式“污染”AI 的学习数据，防止自 己的原创作品在未经授权的情况下被 用于训练 AI模型，这次抵制活动被称 1.认真分析案例， 分组积极讨论两 个问题，分享各自 小组的讨论结果。 2. 在任务单上写 下自己的思考和 答案。 通过问题思考， 引导学生从不 同角度思考艺 术家们的抵制 行动，培养他们 的批判性思维 能力。学生在讨 论中探索如何 平衡艺术创作 为“画师投毒”事件。然而，由于计算 机处理数据的速度与人力相差悬殊， 这种自发的行动效果有限。 1、请分析艺术家们为何会采取抵制行 动？他们试图通过投喂“鬼图”达到 什么目的？ 2、在该案例中，你认为艺术创作与 AI 绘图技术之间的关系应该如何处理？ 者的权益和 AI 技术的发展，帮 助他们更好地 理解技术与社 会、技术与法律 之间的复杂关 系，为将来处理 类似问题打下 基础。 总结归纳 1.师生共同总结： 认真听老师对本 堂课内容的总结， 包括扩散模型的 特点、训练过程以 及应用场景。 通过聆听教师 的总结，学生能 够系统地回顾 和巩固本节课 所学的关于扩 散模型的知识 点，将新学的知 识与之前的学 习内容相结合， 促进知识的内 化和整合 板书设计 扩散模型 一、扩散模型的基本逻辑 先加噪，后去噪 二、扩散模型的训练过程 前向扩散阶段、反向生成阶段 三、扩散模型的应用场景 文生图、视频生成、图像去噪 教学反思