ControlNet颠覆AI绘(huì)画新(xīn)玩法

AIGC向(xiàng)可控靠近

以AI绘画为代表的AIGC上一次爆火(huǒ)的时候(hòu)，还是2022年8月，在(zài)美国科(kē)罗拉多州(zhōu)举办(bàn)的新兴数字艺术家竞赛(sài)中，一幅名(míng)为《太空歌剧院》的作品(pǐn)获奖。

随后各大厂商(shāng)的(de)AI绘画软件被广大网(wǎng)友(yǒu)熟知并(bìng)体验，Stable Diffusion便是其中代(dài)表(biǎo)。

用户(hù)们可以在应用中输入一组(zǔ)关(guān)键(jiàn)词或者一张(zhāng)照片(piàn)，就能(néng)获得一幅AI创作的画作。

作画的关(guān)键就(jiù)是所输入的文本。同一组(zǔ)关(guān)键词也(yě)可以创作出很多张风格(gé)不一(yī)样的画作(zuò)，这(zhè)让创作的过程就像(xiàng)开盲盒(hé)。

很多用(yòng)户(hù)很喜欢这种不确定的(de)惊喜，他们会将生成的美图当做头(tóu)像。而另一部(bù)分喜欢(huān)翻看AI绘(huì)画的“翻车”作品(pǐn)。在社交媒体上(shàng)，许多用户分享AI“翻车现场”，例如(rú)，一(yī)位网友的(de)小狗照片被AI画成了“肌(jī)肉男”，还有网友(yǒu)的(de)个(gè)人照片被(bèi)AI识(shí)别成了建(jiàn)筑。

而(ér)如(rú)今随着(zhe)ControlNet的出现(xiàn)与加持，以往AI绘画的填写关键词游戏可能要被颠覆(fù)了(le)。

ControlNet是一位正在斯坦(tǎn)福读博的中国人张(zhāng)吕敏(mǐn)创作(zuò)的一种基于(yú)控制点的图像变形算法，主要(yào)用于(yú)数字图像处理、计算机视觉和计算机图形学(xué)等(děng)领域(yù)。

其SD插件一经发布，在短短的两天内便成为了AI绘画领域最新的热点。

在此之前，大家(jiā)用了很多(duō)方法(fǎ)想让(ràng)AI生成的结果尽可能(néng)的符合(hé)要求(qiú)，但是都不尽如人意，它的出现代表着AI生成(chéng)开始进入真正(zhèng)的可控时期。

因为ControlNet可以直(zhí)接提取画(huà)面的(de)构图，人物的(de)姿势(shì)和画面的深度信息等。有(yǒu)了它的帮助，就不用频繁的用(yòng)提示词(cí)来(lái)碰运气(qì)，抽盲盒式(shì)的创作了。

通俗的说ControlNet相(xiāng)当于给(gěi)AI绘画加了“魔法”，不少(shǎo)博(bó)主的作品已经获得(dé)了大(dà)量(liàng)的浏览量(liàng)，“viggo”就是其(qí)中之一，他(tā)用(yòng)朋友的(de)照片直接带她(tā)们(men)走(zǒu)进动漫世界。

viggo先用StableDiffusion图片转文字。

再用Text2Prompt插件拓展找到(dào)对(duì)应的(de)关(guān)键词；最后用ControlNet插(chā)件绑定(dìng)骨骼(gé)开始换关键词试效果。

通过图片就可(kě)以(yǐ)看出来，效果十分惊艳。

更厉害的(de)是(shì)，除了真实的照片(piàn)，草图也可以加上(shàng)“魔法”，知乎大牛“DevPoint”和“逗(dòu)砂(shā)”介绍(shào)到ControlNet还能实(shí)现线(xiàn)稿转全彩图。大神张吕(lǚ)敏其本尊也亲自回应。

不(bù)得(dé)不说当下(xià)AIGC已(yǐ)经变得越来(lái)越强大，甚至输出的作品都已经能以假(jiǎ)乱真了(le)。

02

难(nán)辨虚(xū)实，AIGC技(jì)术力爆发

警(jǐng)惕安全问题

近日，“苏(sū)州金鸡湖有游艇party”的消(xiāo)息火遍网络，而经(jīng)过(guò)警(jǐng)方辟谣这所谓的“party”可能是全国第(dì)一起AI绘图诈骗。

由于这个活动里面给出的美女照片都是AI制作的(de)真人(rén)照片绘图(tú)，因为太逼真，被大(dà)家当成真事传播了(le)。

不过仔细观察可以发现，活动发起者提供的照片中有个很大的漏洞可以发现并(bìng)非(fēi)真人，而是AI绘图，那便是图(tú)片(piàn)中女(nǚ)性的(de)手指部分(fēn)有(yǒu)的存在异常。

有行业人事表示：“现在因(yīn)为手指(zhǐ)部分的绘画算法比(bǐ)较复杂，AI还不太会画人的手，但最(zuì)新看到的图片已经有(yǒu)越来越(yuè)完美的AI模型出现，以后可(kě)能就完全没有漏洞了。”

类似(shì)的AI作图诈骗在国(guó)外也已(yǐ)有(yǒu)发生。据英国广播(bō)公司(sī)报(bào)道(dào)，土(tǔ)耳其(qí)地震期间(jiān)，有Tiktok用户(hù)使用AI合成了儿(ér)童受灾的假(jiǎ)照片发布到网络，以(yǐ)此诱骗善良的(de)人打赏“捐助”从(cóng)而实施(shī)诈(zhà)骗。

目前(qián)随着技术发展，AIGC已经能做出真人照片般(bān)的绘图效果，如果这样的图片被用来诈骗，将非常可怕。

此外AIGC还(hái)引发了很(hěn)多担忧，一方面，批判者(zhě)认为AI在“学(xué)习”了大(dà)量(liàng)前人的作品之后，其创(chuàng)作没有任何(hé)情(qíng)绪和灵魂，难(nán)以和人类(lèi)的(de)艺术创作相提并论。

另一方(fāng)面，AIGC背后的版权、目(mù)前都(dōu)并没有得到(dào)有效的(de)解决，还有(yǒu)AIGC会不(bù)会代替人类(lèi)“至高无上(shàng)”的(de)创意。

马斯克(kè)也强调(diào)，人工智能的(de)安(ān)全问题(tí)需要得到重(zhòng)视，太(tài)晚就来不及了(le)。

03

AIGC下一站除了视频，还有远方(fāng)

技术都(dōu)是有两面性的，潜在的危(wēi)害并不(bù)能(néng)掩盖(gài)其(qí)光辉的贡献。现在看(kàn)来(lái)，人工(gōng)智能技术将是(shì)第四次工业革命的核心(xīn)驱动力量(liàng)，将创造新的增长奇迹。

过去一年，人工智(zhì)能(néng)在技术(shù)和(hé)商业层面都有了巨大(dà)进展，AI绘画(huà)就是人工智能技术发生(shēng)方向性改变的一个代(dài)表。其下(xià)一站或(huò)许(xǔ)就是视频。

此前，Meta和谷歌(gē)先后发布了(le)几条引爆(bào)科技圈的短视频(pín)。这些视(shì)频引(yǐn)发关(guān)注并非内容做(zuò)得(dé)多(duō)优秀，反而都(dōu)非常简单，比(bǐ)如一匹正在喝水的(de)马，一只画画的玩具(jù)熊，或(huò)者一段骑(qí)摩(mó)托车的第(dì)一视角录(lù)像，随便一个有手机的人都(dōu)可以随手录下(xià)一段。

但这些短视频的创作方式(shì)非(fēi)常简(jiǎn)单，创作者仅仅(jǐn)需要(yào)向AI输入(rù)一(yī)段话，甚至只是说一下要求，AI就(jiù)可以(yǐ)根据(jù)需要生成一(yī)段视频。

谷歌(gē)发布的两个(gè)AI生成视频分别来自于(yú)Imagen Video和Phenaki，前者主要突出的是高(gāo)清，与(yǔ)Meta的Make-A-Video没有太多的差(chà)别。

在Make-A-Video公布了AI生成的(de)视频后，AI圈(quān)就已经玩了一波梗(gěng)，一个(gè)能够做(zuò)出更高清视频的AI还不(bù)足以在短时间内戳中兴(xīng)奋点。

Phenaki更加令人(rén)震(zhèn)惊的地方在于(yú)，它可以制作(zuò)出超过2分钟的(de)连贯的也有确(què)切内容的视频，这才是(shì)真正让(ràng)人们感(gǎn)到惊(jīng)喜(xǐ)的(de)地方。因为无论AI生成的(de)视频多么(me)高(gāo)清，也只能是为内容生产者(zhě)提供一(yī)个灵感，一个素材，一个过场(chǎng)动(dòng)画(huà)。

不过能够(gòu)制作出有具体剧(jù)情内容(róng)的视频就(jiù)意味着，一些视频创(chuàng)作由AI代替人工完成已经初步有了可能(néng)。

当下AI的发展速度已经超过大部分(fēn)人的(de)想象。内(nèi)容产(chǎn)业(yè)的(de)本质是供给创造(zào)需(xū)求，AIGC作为全(quán)新的内容生产方式，可以为内容产业带来(lái)更新(xīn)的内容(róng)风格、更快的生产速度，更低的(de)生产成本，这(zhè)无疑(yí)会驱动内容(róng)产(chǎn)业的大爆发。

除了AI绘图、视(shì)频，AIGC技(jì)术还能应用于(yú)音乐、代(dài)码、机(jī)器人动作等多种内容形式的生成。不难发(fā)现该项技(jì)术不仅在游(yóu)戏(xì)等(děng)行(xíng)业能得到有效应用，对于(yú)下一代互联网各种元素的(de)构(gòu)建亦有(yǒu)关键意(yì)义。

从(cóng)商业化(huà)的角度来看，文化娱乐、教育(yù)、传媒等诸多领域，本身就(jiù)对基于AI的可视化内容有强(qiáng)烈需求。

因此，AI绘(huì)画及视频或(huò)不是(shì)结果(guǒ)，而只(zhǐ)是AI进程(chéng)中的一块重要拼图，有(yǒu)望在技术更新的加持(chí)下实现更大的应用(yòng)价值。

AI从理解内容，走向了可以生成内容，甚至能够(gòu)创造出独(dú)立价(jià)值和独立视角(jiǎo)的内容。AIGC的再次出圈，更代表着(zhe)未来(lái)的先进生产力即将到来。

04

紧抓大模型与算力(lì)，牢固AIGC底座

从技术(shù)的(de)发展也可以看出，在(zài)语言大(dà)模型、图(tú)像(xiàng)大模型之(zhī)后，多模(mó)态大模型已(yǐ)经成为(wèi)了(le)新的(de)趋势。

大模型被(bèi)誉为当前(qián)人工智能(néng)发(fā)展(zhǎn)的智能(néng)底座，是全球竞争最(zuì)激烈的研(yán)究方向之(zhī)一(yī)，包括谷歌(gē)、亚马逊、百度、阿里、腾讯等众多头(tóu)部(bù)企业都在竞相发(fā)力。

不过训练大模型的确价格不(bù)菲，以(yǐ)国(guó)盛(shèng)证券发(fā)布的(de)《ChatGPT需(xū)要(yào)多少(shǎo)算力(lì)》报(bào)告估算(suàn)，GPT-3训练一(yī)次的(de)成本(běn)约(yuē)为140万美元。而对(duì)于(yú)一些更大的LLM(大型语言模型)，训练成本则介于200万美元至1200万美(měi)元(yuán)高价之间(jiān)。

以ChatGPT在2023年(nián)1月的独立访客平(píng)均(jūn)数(shù)1300万计算，其对应(yīng)芯片需求为(wèi)3万多片英伟(wěi)达(dá)A100 GPU，初始(shǐ)投入成本约为8亿(yì)美(měi)元，每日(rì)仅电(diàn)费就(jiù)在5万美元左(zuǒ)右。

此(cǐ)外不论是ChatGPT还是AIGC，都离(lí)不开庞大算力支持。在关注各类大模型(xíng)的发展同(tóng)时，更应该关注算力网络(luò)的建设。

算力网络(luò)正驱动AI产业发展(zhǎn)进入史诗级加速进程，让AIGC及通用(yòng)AI这一(yī)人工智(zhì)能发展的终极目(m健康码可以扫出个人信息吗，健康码可以扫出个人信息吗ù)标(biāo)离(lí)得更近。

因为(wèi)算力可以对突破性技术(shù)创新(xīn)提供大力(lì)的支(zhī)持。这方(fāng)面，多模态(tài)大模型是典型。作为面向未来(lái)强人工智能、通用(yòng)人(rén)工智能的(de)重要技术创(chuàng)新，多模(mó)态(tài)大模型已经在人工(gōng)智能领域提(tí)出了(le)很多年(nián)，业界也有不少技(jì)术突破(pò)，但是(shì)，多模态大模型进(jìn)一步往下走，算力需求呈几何(hé)式上升(shēng)，一般(bān)的算力基础设施很快(kuài)将难(nán)以(yǐ)胜任(rèn)。

从图像(xiàng)、文字、语(yǔ)音单独一项的(de)训练，到双模态(tài)、三模态的跃迁，让人工智能可(kě)以灵活(huó)应对不(bù)同(tóng)模态的(de)转化、像人与世界交互(hù)一样自然，这方面(miàn)，由算力网络(luò)来(lái)驱(qū)动将有明显优势(shì)。

此外，还有很多需要爆发式增长的算(suàn)力来支撑的(de)技术创新，将在人工智能算力网络支撑下快速(sù)推进。

AIGC已经露出曙光，期待在大(dà)模型和大算力的支持下(xià)AIGC能持(chí)续颠覆内容生产的方式，将(jiāng)创造的边际成本(běn)降(jiàng)低，让(ràng)万众受益。

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 健康码可以扫出个人信息吗，健康码可以扫出个人信息吗