01

ControlNet颠覆AI绘画新玩(wán)法

AIGC向(xiàng)可控靠近

以AI绘画为代(dài)表(biǎo)的(de)AIGC上一次(cì)爆火的时候，还是(shì)2022年8月，在美国科罗拉多州举办的新(xīn)兴数(shù)字艺术家竞赛中，一幅名(míng)为(wèi)《太空歌剧院》的(de)作品获(huò)奖。

随后各(gè)大厂商的AI绘画软件被(bèi)广(guǎng)大网(wǎng)友熟(shú)知并体验，Stable Diffusion便是其中(zhōng)代表(biǎo)。

用(yòng)户们可以在应用中输入(rù)一组关(guān)键词或者一张照片(piàn)，就能获得一幅AI创(chuàng)作的画作。

作画的关键就是所输入的文本。同一组关键词也(yě)可以创作出很多张风格不(bù)一样的画作，这让创作的(de)过程(chéng)就像开(kāi)盲(máng)盒。

很多用户很喜欢这(zhè)种不确定的惊喜，他(tā)们会将生(shēng)成的美图当做头像。而(ér)另一部分喜欢翻看AI绘画(huà)的(de)“翻(fān)车”作品。在社交媒体上，许多用户(hù)分享(xiǎng)AI“翻车现场”，例如，一(yī)位网友(yǒu)的小狗(gǒu)照片被AI画成了(le)“肌肉男”，还有网友的个人照片被AI识别成了建筑(zhù)。

而如今(jīn)随着ControlNet的(de)出(chū)现与(yǔ)加持，以(yǐ)往AI绘画的填(tián)写关键(jiàn)词游(yóu)戏可能(néng)要被颠覆了。

ControlNet是(shì)一(yī)位正在斯坦福读(dú)博(bó)的中国人张(zhāng)吕(lǚ)敏创作的一种基于控制点的图像变形(xíng)算法，主要用于数(shù)字(zì)图像处理、计算机视(shì)觉和计算机图(tú)形(xíng)学等领域。

其(qí)SD插件一经发(fā)布，在(zài)短短的两天(tiān)内便成(chéng)为了AI绘画领域最新(xīn)的热点。

在此(cǐ)之前，大(dà)家用了很多(duō)方法想让AI生成的结果尽可能的符合要求，但是都不尽如(rú)人意，它(tā)的出现代表着AI生成开始进入(rù)真正的可(kě)控时期。

因为(wèi)ControlNet可(kě)以直接提取画面的构图，人物(wù)的姿势和画面的深(shēn)度(dù)信息等。有(yǒu)了它的帮(bāng)助，就(jiù)不用频繁的(de)用提示词来碰运气，抽(chōu)盲盒式的(de)创作了。

通(tōng)俗的说ControlNet相当(dāng)于给AI绘画加(jiā)了“魔法”，不少(shǎo)博主的作品已经获得了(le)大量(liàng)的浏览量，“viggo”就是其中之一，他用朋友的照片直接带她们走进动漫世界。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插(chā)件拓展(zhǎn)找到对应(yīng)的关键词(cí)；最(zuì)后用ControlNet插件绑(bǎng)定(dìng)骨(gǔ)骼开始换关键词试效果。

通过图片就可以看(kàn)出来，效果十分(fēn)惊艳。

更(gèng)厉害的是，除了(le)真实的(de)照片，草图也可以(yǐ)加(jiā)上“魔(mó)法(fǎ)”，知乎大牛“DevPoint”和(hé)“逗砂(shā)”介(jiè)绍(shào)到ControlNet还能实(shí)现线稿转(zhuǎn)全彩图。大神(shén)张吕(lǚ)敏其本尊也亲(qīn)自回(huí)应。

不得(dé)不说当下AIGC已经变(biàn)得(dé)越(yuè)来越强大，甚至输出的作品都已经能以假乱真了。

02

难辨虚(xū)实，AIGC技术(shù)力爆发

警(jǐng)惕(tì)安(ān)全问(wèn)题

近日，“苏州金(jīn)鸡湖(hú)有游艇party”的消息火遍网络(luò)，而(ér)经(jīng)过警方辟谣这所谓的(de)“party”可能是(shì)全国第一起(qǐ)AI绘图诈骗(piàn)。

由于这个(gè)活动里面(miàn)给出的美女(nǚ)照(zhào)片都(dōu)是AI制作的(de)真人(rén)照片绘图，因为太(tài)逼真，被(bèi)大家当(dāng)成真事(shì)传播(bō)了。

不(bù)过(guò)仔细(xì)观(guān)察可以(yǐ)发现，活动(dòng)发起者提供的照片中(zhōng)有个很大的(de)漏(lòu)洞可以发现并非真人，而是AI绘图，那便(biàn)是图片中女(nǚ)性的手指部分有的存(cún)在(zài)异常。

有行业人(rén)事表示：“现在因为手指部分的(de)绘画算法(fǎ)比较复杂(zá)，AI还不太会画人(rén)的(de)手，但最新看到(dào)的图片已(yǐ)经有(yǒu)越来越完美的AI模型出现，以后可能就(jiù)完全没有(yǒu)漏洞了。”

类似的AI作图诈(zhà)骗在国外也已有(yǒu)发生。据英国广播公司(sī)报(bào)道，土耳其地震期间(jiān)，有Tiktok用户使用AI合(hé)成了儿(ér)童受灾的假照片发(fā)布(bù)到(dào)网络(luò)，以(yǐ)此诱骗善良的人(rén)打赏(shǎng)“捐助”从而实施诈(zhà)骗。

目(mù)前随着技术发展，AIGC已经能(néng)做(zuò)出真人照片般的绘图效(xiào)果，如(rú)果(guǒ)这样的图片(piàn)被用来诈(zhà)骗，将非常可怕(pà)。

此外AIGC还引发(fā)了很多担忧，一方面(miàn)，批判者认(rèn)为AI在“学习”了(le)大量前人的作品之后，其创作(zuò)没有任何情绪(xù)和灵魂，难(nán)以和(hé)人类的(de)艺术创作相提并论。

另一(yī)方面(miàn)，AIGC背(bèi)后的版权、目前都并(bìng)没有得到有效的解决(jué)，还(hái)有AIGC会不会(huì)代替人(rén)类“至高无上”的创意。

马(mǎ)斯(sī)克也(yě)强调，人(rén)工(gōng)智能的安全问题需(xū)要得到重视，太晚就来不及了。

03

AIGC下一站除了(le)视频，还有远方(fāng)

技术(shù)都是有(yǒu)两面性的，潜在的(de)危害并不能掩盖其(qí)光(guāng)辉的贡献(xiàn)。现在看来，人工智(zhì)能技术(shù)将(jiāng)是第四次(cì)工业革命的核心驱动力量，将(jiāng)创造新的(de)增(zēng)长奇迹。

过去(qù)一(yī)年，人工智(zhì)能在技(jì)术和商业层(céng)面都有了巨(jù)大进展(zhǎn)，AI绘(huì)画就是人工(gōng)智能技术发生(shēng)方向性(xìng)改(gǎi)变的一个代表。其下一(yī)站或(huò)许就是视频。

此前(qián)，Meta和谷歌先后(hòu)发布(bù)了几条引爆科技圈(quān)的短视频。这(zhè)些视频引发(fā)关(guān)注并非内(nèi)容(róng)做得(dé)多优(yōu)秀，反而都(dōu)非常简(jiǎn)单，比如一(yī)匹(pǐ)正在喝水的马，一只画画的玩具(jù)熊，或者(zhě)一段(duàn)骑摩(mó)托车(chē)的第一视角录像，随便一个有手机的(de)人(rén)都(dōu)可以(yǐ)随(suí)手录下一段。

但这些短视频的(de)创作方式(shì)非(fēi)常简单(dān)，创作者(zhě)仅仅需要向AI输(shū)入(rù)一(yī)段话(huà)，甚至只是说一下要求，AI就可(kě)以根据需要生成(chéng)一段(duàn)视(shì)频。

谷(gǔ)歌发(fā)布的两个AI生(shēng)成(chéng)视(shì)频分别来自于Imagen Video和Phenaki，前者(zhě)主要突出(chū)的(de)是(shì)高清，与Meta的Make-A-Video没有太多的(de)差(chà)别。

在Make-A-Video公布了AI生(shēng)成的视频(pín)后，AI圈就已经(jīng)玩了一波(bō)梗，一个(gè)能够(gòu)做出更高清视频的AI还不足以(yǐ)在短(duǎn)时间内(nèi)戳(chuō)中兴奋点(diǎn)。

Phenaki更加令人震惊的地(dì)方在于，它可以制作出(chū)超(chāo)过2分钟的连(lián)贯的也有确切(qiè)内容(róng)的视频(pín)，这才是真正让人们(men)感到惊(jīng)喜的(de)地方。因为无论AI生成的视频多(duō)么高清(qīng)，也只能是(shì)为内容生产者提供(gōng)一个灵感，一个(gè)素(sù)材(cái)，一个过场动画。

不过(guò)能够制作(zuò)出有具体剧情(qíng)内(nèi)容的视频就意味(wèi)着，一些(xiē)视(shì)频创作由AI代(dài)替人工完(wán)成已经初步(bù)有了可(kě)能(néng)。

当下AI的(de)发展速度已经超过大部分人(rén)的想象。内容产业的本质是供给创造需求(qiú)，AIGC作(zuò)为全新的内容生产方式，可以(yǐ)为内容(róng)产(chǎn)业带来更新(xīn)的内容风格、更快的(de)生(shēng)产速(sù)度，更低(dī)的生产(chǎn)成本(běn)，这无疑会驱动内容(róng)产(chǎn)业的大爆发。

除(chú)了AI绘图、视频，AIGC技(jì)术还能应用(yòng)于音乐、代码、机器(qì)人动作等多(duō)种(zhǒng)内容形式(shì)的(de)生成。不难发现该项技术不仅在游戏等行(xíng)业能(néng)得(dé)到有(yǒu)效(xiào)应(yīng)用，对于下一代互联网各种元素(sù)的(de)构建亦有关键意义。

从(cóng)商业化的角度来(lái)看，文化(huà)娱乐、教育、传(chuán)媒等诸多领域，本身(shēn)就(jiù)对基于AI的可视化内容有强烈需(xū)求。

因此，AI绘画及视(shì)频(pín)或不是(shì)结果，而只(zhǐ)是AI进程中的一(yī)块重要拼图，有望在技术(shù)更新的加持下实现更大(dà)的应用价(jià)值。

AI从理解(jiě)内(nèi)容，走(zǒu)向了可以生成内容，甚至能够创造出独立价值和独立视角的内容。AIGC的再(zài)次出圈(quān)，更代表着未来的(de)先进生产(chǎn)力即将到来(lái)。

04

紧(jǐn)抓大模型与算力，牢固AIGC底座

从技(jì)术(shù)的发(fā)展也可以看(kàn)出，在语(yǔ)言(yán)大模型、图像大模型(xíng)之后，多模态大模型已经成为了(le)新的趋(qū)势。

大模型被誉为当(dāng)前人(rén)工智能(néng)发展的智能底座，是(shì)全球竞争最激(jī)烈的研究方向之(zhī)一，包括谷歌、亚马逊(xùn)、百度(dù)、阿里、腾讯等(děng)众多头部企业都在竞相发力。

不过训练大模型(xíng)的确价格(gé)不菲，以国盛证券发布的《ChatGPT需要(yào)多少算(suàn)力》报告估(gū)算，GPT-3训练(liàn)一次(cì)的成本约为(wèi)140万美(měi)元。而对于一些更(gèng)大(dà)的LLM(大型语言模(mó)型(xíng))，训练成本则(zé)介(jiè)于(yú)200万美元至1200万美(měi)元高(gāo)价(jià)之(zhī)间。

以ChatGPT在2023年1月的独立访客平均数1300万计算，其对应芯片(piàn)需求为(wèi)3万多(duō)片英伟达A100 GPU，初(chū)始投入成本约为8亿美(měi)元，每日仅电(diàn)费就在5万美(měi)元左右。

此外不论是(shì)ChatGPT还(hái)是AIGC，都离不开庞大算力支持。在关注各类大模型的发展同时，更(gèng)应(yīng)该关(guān)注(zhù)算力网络的(de)建设(shè)。

算力网络正(zhèng)驱(qū)动AI产业发(fā)展进入史诗级加速进(jìn)程，让AIGC及(jí)通用AI这一人工智能发展的终极目标离得更近。

因为算力可以对突破性技术创(chuàng)新提供大力(lì)的(de)支持。这(zhè)方面，多模(mó)态大模型是(shì)典型。作(zuò)为面向未来强(qiáng)人工(gōng)智(zhì)能(néng)、通用(yòng)人工智能的重要技(jì)术创(chuàng)新(xīn)，多模态大(dà)模型(xíng)已经在人工智能领域提出了很多年(nián)，业界(jiè)也有不少技术突破(pò)，但是，多模态大模(mó)型进一步往(wǎng)下(xià)走(zǒu)，算力(lì)需求呈几(jǐ)何式上升，一般的算力基础设施(shī)很快将难以胜任。

从图(tú)像、文(wén)字、语音(yīn)单独一项的训(xùn)练(liàn)，到双模(mó)态、三(sān)模态(tài)的跃迁，让人工(gōng)智能可以灵(líng)活(huó)应对不(bù)同模态的转(zhuǎn)化、像人与(yǔ)世界(jiè)交互一样(yàng)自(zì)然(rán)，这方(fāng)面，由算力(lì)网络(luò)来驱动将有(yǒu)明显优势。

此外，还(hái)有很多(duō)需要爆发式增长的(de)算(suàn)力(lì)来支撑的技术创新，将在人工智能(néng)算(suàn)力(lì)网络(luò)支撑下快(kuài)速推进。

AIGC已经(jīng)露出(chū)曙(shǔ)光，期待(dài)在(zài)大模型和大算力的支持下AIGC能持续颠覆内(nèi)容生产的方式，将(jiāng)创造的边(biān)际成本(běn)降(jiàng)低，让万众受(shòu)益。

未经允许不得转载：太仓网站建设,太仓网络公司,太仓网站制作,太仓网页设计,网站推广-昆山云度信息科技有限公司 结婚祝福语恭喜恭喜是什么意思，恭喜恭喜是什么意思抖音