最近AI作画确实很火，在DALL-E和Imagen崭露头角之后，ERNIE-ViLG、Stable-Diffusion（SD）、Disco-Diffusion相继开源开放，涌现出丰富多彩的AI作画作品。本次通过一个开源工具来整体测试三种模型效果，用几行代码就整体测试国内外模型的效果。
ERNIE-ViLG效果
prompt：明日方舟，炫酷，兽耳娘，机能风，卡通
项目地址：PaddleHub/modules/image/text_to_image/ernie_vilg at develop · PaddlePaddle/PaddleHub · GitHub
Stable-Diffusion（SD）效果
prompt：a beautiful landscape photography of snow covered Rocky mountains, a dead intricate tree in the foreground, sunset, dramatic lighting, by Marc Adamus
prompt：close-up maximalist illustration of panther, by makoto shinkai, akihiko yoshida, yoshitaka amano, super detailed, hd wallpaper, digital art
项目地址：https://github.com/PaddlePaddle/PaddleHub/tree/develop/modules/image/text_to_image/stable_diffusion
Disco-Diffusion效果
prompt：在artstation上的一幅美丽的画，一个独特的灯塔，照耀着它的光穿过喧嚣的血海
由greg rutkowski和thomas Kinkade所作
以上惊艳的文图生成效果，是通过PaddleHub三行Python代码实现的作品：
import paddlehub as hub
module = hub.Module(name="ernie_vilg")
results = module.generate_image(text_prompts=["巨大的白色城堡"])
以上ernie_vilg替换为stable_diffusion或disco_diffusion_ernievil_base即可轻松体验不同的文图生成模型，用户也可自定义修改text_prompts来获得不同的效果体验。
三行代码虽然简单，但是代码背后的文图生成模型可不简单，分别来源于现在文图生成领域最顶尖的开源成果：ERNIE-ViLG、Stable-Diffusion以及Disco Diffusion + ERNIE-ViL。以DD+ ERNIE-ViL为例，DD扩散模型负责从初始噪声或者指定初始图像中来生成目标图像，ERNIE-ViL负责引导生成图像的语义和输入的文本的语义尽可能接近，随着扩散模型在ERNIE-ViL的引导下不断的迭代生成新图像，最终能够生成文本所描述内容的图像。
国内外文生图模型的效果对比，大家可以自行测试，只需要三行代码就可以，项目地址：
