文生图的基础原理，要了解AI的强项和弱项，需要简要了解AI的原理。
>
首先是现阶段常见文生图技术的基础，隐空间扩散模型(Latent DIffusion Model, LDM)，其中分成两个要点。
1. 隐空间：隐空间指的是和所见即所得的图片这个像素空间相对应的数据空间。换句话说，直观的图片转成某种不直观的若干数字合在一起的高维矩阵，就是转换到隐空间
2. 扩散模型：扩散就跟物理里的扩散类似，把一滴墨水滴在一杯水里，一步一步各个墨水粒子按照某些规律逐渐分散开来，形成一堆混在一起的“混乱物”。而AI的扩散就是类似反过来的过程，把一堆混乱物逐渐反推到原始墨水滴入时的形状。而这个反向的过程称之为降噪。
>
于是一个典型的文生图的流程是：
1. 文字，编码为，代表文字含义的向量，留着给之后的降噪。
2. 一张新生成的隐空间里的“噪声图”，通过AI模型重复N次，每次输入是上一次的输出的降噪过程，每次降噪的过程中会同步输入之前的文字得到的向量，使得我们生成的图片可以符合我们的文字输入。这个步骤最终生成一个隐空间内的图片。
3. 把最终的降噪后的隐空间内的图片解码，就成了我们所见的各种帅哥美女，各种风景图了。

所以如果要结合AI的原理，给AI在国漫里面应用涉及到的一些问题提出疑问，一些显而易见的可以着手的角度有：
1. 隐空间真的能够表达国漫所需要的图像吗？
2. 文字引导降噪的过程，如何确保文字可以和图片有强相关性，如何确保文字内容可以准确表达在图片上。
3. 使用者如何组织文字，可以使得模型更好地符合使用者的心意去工作。
等等。

除了以上和生成式AI相关的应用外，更符合传统CG流程的AI技术，比如AI渲染（可微渲染），AI动捕，AI插帧等技术，也可以很好地运用在动画制作中。