Embedding指的是Textual Inversion（TI）的结果，能用于让Stable Diffusion（SD）绘制新物体，或是新画风（画风相较于HyperNetwork学习能力较差。
1. Embedding是什么
Embedding指的是TI的结果。TI能在不修改模型的情况下给模型定义新的关键词。它吸引人的点在于：只用三五张图片就能够给模型“注入”新风格、新物体。
1.1 Textual Inversion为什么有效
让SD画出新物体或者新风格，这其他微调方法也能做到。TI的惊人之处在于它在不修改模型的情况下做到这点。论文中对TI的工作流程图示如下。
通过textual inversion为新token S*找到新embedding
给新物体/画风定义模型中没出现过的新关键词。就像prompt中的其他关键字一样，这个新关键字会被转化为token（数值）。每个token会被转换为唯一的embedding，以用于图像生成。
TI能用已知的词汇贴切地描述一个新概念，找到最能代表新关键字的embedding，而无需更改模型的任何部分。
1.2 Embedding的举例：
告诉模型什么是“toy cat”
利用已知的boat、backpack等概念描述toy cat
1.3 怎么得到新Embedding（还没看完）
详见paper。
为了得到新概念的embedding
，需要使用了 3~5 张具有不同的背景或姿态的图像，通过最小化图像重建损失进行优化（类似Latent Diffusion Model的训练）。
2. 到哪里找现成Embedding
- HuggingFace的Stable Diffusion Concept Library中有大量自定义关键词的Embedding。
- Civtai上搜textual inversion也能找到Embedding。
3. 如何使用Embedding
-
在线接口
Stable Diffusion Conceptualizer ：无需下载，就能试用Embedding
（这里的Embedding不能在别的模型上用） -
在stable-diffusion-webui中使用
从 Concept Library下载Embedding并重命名为关键字（例如，marc_allante一种画风），放在stable-diffusion-webui/embeddings文件夹。
重启会看到Loaded a total of 1 textual inversion embeddings.
prompt中添上(marc_allante:1.2)就能绘制该风格的图了。
注意：- prompt中的关键字错一个字符就会让Embedding失效
- SD v1和v2的Embedding是不互通的
- 可以用
(keyword:weight)的形式控制关键词强度（详见各种prompt技巧），关键词强度可以是负值（等同于方括号[unwated objects]）。
