ControlNet颠覆AI绘画(huà)新玩法

AIGC向可控靠(kào)近

以AI绘画为(wèi)代(dài)表的(de)AIGC上一次(cì)爆火(huǒ)的时候，还是2022年8月(yuè)，在美国科罗拉(lā)多州举办的新兴数字(zì)艺术家竞赛中，一幅名为《太空(kōng)歌剧(jù)院(yuàn)》的作(zuò)品获(huò)奖。

随后各大(dà)厂商的(de)AI绘画软件(jiàn)被广大网友熟知并体(tǐ)验，Stable Diffusion便是(shì)其中代表。

用户(hù)们可以在应用中输入一组(zǔ)关键词或者一张照片(piàn)，就能(néng)获(huò)得一幅AI创作的(de)画作(zuò)。

作(zuò)画的关(guān)键就是所输(shū)入的(de)文本。同(tóng)一组关键词也可以创作出很多张风格不一样的画作，这让创作的过(guò)程(chéng)就像开盲盒(hé)。

很多用(yòng)户很喜(xǐ)欢这种不确(què)定的惊(jīng)喜，他(tā)们会(huì)将(jiāng)生成的(de)美图当做头像。而另一部(bù)分(fēn)喜欢翻看AI绘画的“翻车”作(zuò)品。在(zài)社(shè)交媒体(tǐ)上，许多(duō)用户分享AI“翻车现(xiàn)场”，例如，一位网友的小狗照(zhào)片(piàn)被AI画成了“肌(jī)肉男”，还有网友的个(gè)人照片被AI识别成了(le)建筑。

而如今(jīn)随着ControlNet的出现与加持，以往AI绘画的填写关键词游戏(xì)可能要被颠覆了。

ControlNet是一位(wèi)正在斯坦福(fú)读(dú)博(bó)的中国人张吕敏创作的一种基于(yú)控制点的图像(xiàng)变形(xíng)算法(fǎ)，主(zhǔ)要用于(yú)数字图像处(chù)理、计算机视觉和计(jì)算(suàn)机(jī)图形学等(děng)领域(yù)。

其SD插(chā)件一经(jīng)发布，在短短(duǎn)的两天内便成为了(le)AI绘画领域最新(xīn)的热点。

在此之前(qián)，大家用(yòng)了很(hěn)多(duō)方法想让(ràng)AI生成的结(jié)果尽(jǐn)可能的(de)符合要(yào)求(qiú)，但是都不尽如人意，它的出现代表着AI生成(chéng)开始(shǐ)进入真正的可(kě)控时期。

因为ControlNet可以直接提取画面的构图，人(rén)物的(de)姿(zī)势和(hé)画面的深度(dù)信息(xī)等(děng)。有了它的(de)帮(bāng)助，就不用频繁的用提示(shì)词来碰运气，抽盲盒(hé)式的创(chuàng)作了。

通俗的说ControlNet相当于(yú)给AI绘画(huà)加了(le)“魔法”，不少博主的(de)作品已经(jīng)获得了大量的浏览量，“viggo”就是其中之一，他(tā)用朋友的照片直接(jiē)带她(tā)们走进动漫世(shì)界。

viggo先用StableDiffusion图片(piàn)转文字。

再用Text2Prompt插件(jiàn)拓(tuò)展找到对(duì)应的关键词(cí)；最(zuì)后(hòu)用ControlNet插件绑(bǎng)定骨骼开(kāi)始换关键词试效果。

通过(guò)图片(piàn)就可以看出来，效(xiào)果十分惊艳。

更厉害的(de)是，除了真实的(de)照片(piàn)，草图也可以(yǐ)加上“魔法”，知乎大(dà)牛“DevPoint”和“逗(dòu)砂(shā)”介绍(shào)到ControlNet还能实现线稿(gǎo)转全彩图。大神张吕(lǚ)敏其(qí)本尊也亲自(zì)回应。

不得不说当下(xià)AIGC已经(jīng)变得越(yuè)来越强大，甚(shèn)至输出的(de)作品(pǐn)都(dōu)已经能以假(jiǎ)乱真(zhēn)了。

02

难辨(biàn)虚实，AIGC技(jì)术(shù)力爆(bào)发

警惕安(ān)全(quán)问题

近日，“苏州金鸡湖有游艇party”的消息(xī)火(huǒ)遍(biàn)网络，而经过警方辟(pì)谣这所(suǒ)谓的(de)“party”可能(néng)是全国第一起AI绘图诈骗。

由于这个活动里面给出的美女照片都(dōu)是AI制作的真人照片绘图，因为太逼真，被(bèi)大家当成(chéng)真(zhēn)事传播了。

不过仔细观(guān)察(chá)可以发(fā)现(xiàn)，活动发起者提供(gōng)的照片中有个(gè)很大的(de)漏(lòu)洞(dòng)可以(yǐ)发现(xiàn)并(bìng)非真人(rén)，而是AI绘图，那便(biàn)是图(tú)片中女性的(de)手指部分(fēn)有的存(cún)在异常。

有行业人事表示：“现在(zài)因(yīn)为(wèi)手指(zhǐ)部分的绘画算法比较复杂，AI还不太会画人的手(shǒu)，但最新看到的图(tú)片(piàn)已经有越来越完美的AI模型出现(xiàn)，以后可(kě)能(néng)就完(wán)全没有漏(lòu)洞了。”

类(lèi)似的(de)AI作图(tú)诈骗在国外也已有发生。据(jù)英(yīng)国广(guǎng)播公司报道，土耳其地震期间，有Tiktok用户使用(yòng)AI合(hé)成了(le)儿童受灾的假照片发布到网络，以此(cǐ)诱骗善良的人(rén)打赏(shǎng)“捐助”从(cóng)而实施诈骗。

目前随着(zhe)技术发展，AIGC已经能做出(chū)真人照片(piàn)般的绘(huì)图效(xiào)果(guǒ)，如果这样(yàng)的图片被用来诈骗，将非常可(kě)怕。

此外AIGC还引(yǐn)发(fā)了很多担忧，一方面，批判者认(rèn)为AI在“学(xué)习”了大量前人(rén)的作品之(zhī)后，其(qí)创作(zuò)没有(yǒu)任何情绪和(hé)灵魂(hún)，难以和人类的艺术创作相提(tí)并论。

另一方面，AIGC背后的版权、目前都(dōu)并没(méi)有(yǒu)得到有效的解决，还(hái)有AIGC会不(bù)会代替人类“至高无(wú)上”的(de)创意。

马(mǎ)斯(sī)克也强调，人工(gōng)智能(néng)的(de)安全问题需要得到(dào)重视(shì)，太晚就来不及了。

03

AIGC下一站除了视频(pín)，还有远方

技术都(dōu)是有(yǒu)两(liǎng)面性的，潜在的危害并(bìng)不(bù)能掩(yǎn)盖(gài)其光辉的贡献。现在看来，人工(gōng)智(zhì)能技术将是第四次工业(yè)革(gé)命的核心驱动力量(liàng)，将(jiāng)创造新的(de)增长奇(qí)迹。

过去一年，人(rén)工智能在技术和商(shāng)业层面都有了(le)巨大进展，AI绘画就是人(rén)工智能技术(shù)发生方向性改变的(de)一个(gè)代表。其(qí)下一站或许就是视频。

此前，Meta和(hé)谷歌先(xiān)后发布了几条引爆(bào)科技(jì)圈(quān)的短视频(pín)。这些(xiē)视频引发关(guān)注并非内容做得多优秀，反而都非(fēi)常简单，比如一匹正(zhèng)在喝水的马，一(yī)只画画(huà)的玩具熊，或者(zhě)一段骑摩(mó)托车的第一(yī)视角录像(xiàng)，随便(biàn)一个(gè)有手机(jī)的人都(dōu)可以随手录下(xià)一段。

但这些短(duǎn)视频的创作方式(shì)非常简单，创(chuàng)作者仅仅需要向AI输入(rù)一(yī)段话，甚至只是说(shuō)一下要(yào)求，AI就可以根据需要(yào)生(shēng)成一段视频。

谷歌(gē)发布的两个AI生成视频(pín)分别来自于Imagen Video和Phenaki，前(qián)者主要突出的是高清，与Meta的Make-A-Video没有(yǒu)太(tài)多的差别。

在Make-A-Video公(gōng)布了AI生成(chéng)的视频后，AI圈就已经(jīng)玩(wán)了一波梗，一个(gè)能够(gòu)做(zuò)出更高(gāo)清(qīng)视频的(de)AI还不足以在短(duǎn)时间内戳中兴奋(fèn)点。

Phenaki更加令人震惊(jīng)的地方在于，它可以制作(zuò)出超过(guò)2分钟(zhōng)的连贯的也有(yǒu)确切(qiè)内容的视频，这(zhè)才是真正让人们感到惊喜的地方。因为(wèi)无论AI生成的视频多么高清，也只能是为内容生(shēng)产者(zhě)提(tí)供一个(gè)灵感，一个素材，一个过场(chǎng)动画。

不过能够制作出有(yǒu)具体(tǐ)剧情内容的视频就意味着，一(yī)些视频创作由AI代替人工完成(chéng)已经初步有(yǒu)了可能。

当下AI的发展速度已经超过大部(bù)分(fēn)人的想象。内容产业(yè)的本质是供(gōng)给创造(zào)需求(qiú)，AIGC作为全新的内(nèi)容生产方式，可以为内(nèi)容产业带(dài)来更(gèng)新的内容(róng)风格、更快的生产(chǎn)速度，更(gèng)低的生产(chǎn)成(chéng)本，这无(wú)疑(yí)会驱动内(nèi)容产(chǎn)业(yè)的大(dà)爆(bào)发(fā)。

除(chú)了(le)AI绘图、视频(pín)，AIGC技术还(hái)能应用于音乐、代码、机器人动作等多种内容(róng)形式的生成。不难发现(xiàn)该项技术不仅在(zài)游戏等行(xíng)业能(néng)得(dé)到有效应用，对于下一代(dài)互联网各(gè)种元素的构建亦有关键意义。

从(cóng)商业化的角度来(lái)看，文化娱(yú)乐、教育、传媒等诸多(duō)领域，本(běn)身就对基于AI的(de)可视(shì)化(huà)内容有(yǒu)强烈需求(qiú)。

因(yīn)此，AI绘(huì)画及视频或不是(shì)结果，而只是AI进程中的一块(kuài)重(zhòng)要拼图，有望在技(jì)术更新的加持下实现更(gèng)大的(de)应(yīng)用(yòng)价值。

AI从理解内(nèi)容(róng)，走(zǒu)向了可以生(shēng)成内容，甚(shèn)至能够创造出独立价值和独立(lì)视(shì)角的内(nèi)容(róng)。AIGC的再次出(chū)圈，更代表着未(wèi)来(lái)的先进生(shēng)产力即将到来。

04

紧抓大模型与算力，牢固AIGC底座

从技术的发(fā)展也可以看(kàn)出，在语言大模型、图(tú)像大模型(xíng)之后，多模态(tài)大模型已经(jīng)成(chéng)为(wèi)了(le)新的趋势。

大(dà)模型被(bèi)誉为当前(qián)人工智能(néng)发(fā)展的智(zhì)能底(dǐ)座(zuò)，是全球竞争最激(jī)烈(liè)的研究方向(xiàng)之一，包括(kuò)谷歌、亚马逊、百度(dù)、阿里、腾讯等众多头部(bù)企业都在竞相发力(lì)。

不(bù)过训练大模型的确价格不菲(fēi)，以(yǐ)国盛证(zhèng)券发布的《ChatGPT需(xū)要多少(shǎo)算力(lì)》报告估算，GPT-3训练一次的成(chéng)本约为(wèi)140万美元(yuán)。而对于(yú)一些更大(dà)的LLM(大型语言模(mó)型)，训练成本则介(jiè)于200万美(měi)元至1200万美元高价之间(jiān)。

以ChatGPT在2023年1月的独立访客平均数1300万计算，其对应芯片需求为3万多片(piàn)英伟达A100 GPU，初始(shǐ)投入成本约为8亿美元，每日仅电费就在5万美元左(zuǒ)右。

此外不论是ChatGPT还是(shì)AIGC，都离不开庞大(dà)算力支持。在关注各类大模型的发展同时，更(gèng)应(yīng)该关注算力网络的建设。

算(suàn)力网(wǎng)络正驱动(dòng)AI产业发展进入史(shǐ)诗级加速进程，让AIGC及通用AI这一人工智能发展的终极目(mù)标(biāo)离得更近。

因为算力可以对突(tū)破性技术(shù)创新提供大力的支(zhī)持。这(zhè)方面，多模(mó)态大模型是(shì)典型。作为面向未来强人工智能、通用人工智(zhì)能的重要(yào)技术(shù)创新，多模态大模型已经在人工智能领域提出了很(hěn)多年，业(yè)界也有不少技术(shù)突破，但是，多模态(tài)大模型(xíng)进一步(bù)往下走(zǒu)，算力需(xū)求呈(chéng)几何(hé)式上升，一般(bān)的(de)算(suàn)力基础设(shè)施(shī)很快将难以(yǐ)胜任。

从(cóng)图像、文字、语音单(dān)独一项的训练，到双模态、三模态的跃(yuè)迁，让人工智(zhì)能可以灵活应对不同模态的转化、像人与世界交互一样自然，这(zhè)方(fāng)面，由算力(lì)网络来驱动将有明(míng)显优(yōu)势。

此外，还(hái)有很多需(xū)要爆发式增长(zhǎng)的算力来支撑(chēng)的技(jì)术创(chuàng)新，将在人工智能算力网络支(zhī)撑下快速(sù)推进。

AIGC已经露(lù)出曙光，期待在大模型和大算(suàn)力的(de)支持下AIGC能持(chí)续(xù)颠覆(fù)内(nèi)容生产的方式，将创(chuàng)造的(de)边(biān)际成本降低，让万众受益(yì)。

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 中原地区种植葡萄始于哪个朝代 秦朝的时候有葡萄吗