01

ControlNet颠覆AI绘(huì)画新玩(wán)法

AIGC向(xiàng)可(kě)控靠近

以(yǐ)AI绘画为代表的AIGC上一次爆火(huǒ)的(de)时(shí)候，还是2022年8月，在(zài)美国科罗拉多州举办的新兴数字艺(yì)术家竞赛(sài)中，一幅名为《太空歌剧院》的(de)作品获奖。

随后各大厂商的AI绘画软件被(bèi)广大网友熟知并(bìng)体(tǐ)验，Stable Diffusion便是其中代表(biǎo)。

用户们可以(yǐ)在(zài)应用中输入一组(zǔ)关键词(cí)或者一张照片，就能获得一幅AI创(chuàng)作的(de)画作。

作画的关键就是所输入的(de)文本。同(tóng)一组关键(jiàn)词也可(kě)以(yǐ)创作(zuò)出很多张(zhāng)风(fēng)格(gé)不一样的画(huà)作(zuò)，这让创作的(de)过程(chéng)就像开盲(máng)盒。

很多用户(hù)很(hěn)喜欢这种不确定的惊喜(xǐ)，他们(men)会将(jiāng)生成的美图当做头像(xiàng)。而另一部分喜(xǐ)欢翻看AI绘画的(de)“翻车(chē)”作品。在社交媒(méi)体上，许多(duō)用(yòng)户分享(xiǎng)AI“翻车(chē)现场”，例如，一位网友的小狗照(zhào)片被AI画成了“肌肉男”，还有网友的个人照(zhào)片被AI识别成(chéng)了(le)建筑。

而如今随着ControlNet的出现与加持，以往AI绘(huì)画的填写关键(jiàn)词(cí)游戏可能要被(bèi)颠覆了。

ControlNet是一位正(zhèng)在斯坦福读博的(de)中国(guó)人(rén)张吕敏创作的一种基于控制点的图像变形(xíng)算法(fǎ)，主要用于数字图像处理、计算(suàn)机视觉和计算机(jī)图(tú)形(xíng)学等领域(yù)。

其SD插件(jiàn)一经(jīng)发(fā)布，在短短的两天内便成(chéng)为了AI绘画领域最新的热(rè)点。

在此之前，大家用了(le)很多(duō)方法想让AI生成的结果(guǒ)尽可能的符合要求，但是都(dōu)不(bù)尽如人意，它的出(chū)现(xiàn)代表着(zhe)AI生成开始进入真正的(de)可控(kòng)时期。

因为ControlNet可以直接提取画(huà)面的(de)构图(tú)，人物的(de)姿势和画面的深度信息等。有了它的帮助，就不用频繁的(de)用提示词来(lái)碰(pèng)运气，抽盲盒(hé)式(shì)的创(chuàng)作了(le)。

通俗的说(shuō)ControlNet相当于(yú)给AI绘画加了“魔法”，不(bù)少博主(zhǔ)的(de)作(zuò)品(pǐn)已经获得了大量(liàng)的浏览量，“viggo”就(jiù)是其(qí)中之一，他用(yòng)朋(péng)友的照片(piàn)直接带她们走进动漫世界(jiè)。

viggo先用StableDiffusion图片转(zhuǎn)文字。

再用Text2Prompt插(chā)件(jiàn)拓展找到对应的关(guān)键词；最(zuì)后用ControlNet插件(jiàn)绑定骨骼开始换(huàn)关键词(cí)试效果。

通过图片就可以(yǐ)看出来，效(xiào)果十(shí)分惊艳。

更厉(lì)害(hài)的是，除了真实(shí)的照片，草图也可以(yǐ)加上“魔法”，知乎大牛“DevPoint”和“逗砂(shā)”介绍到ControlNet还能实现(xiàn)线稿(gǎo)转(zhuǎn)全彩图。大神张吕(lǚ)敏(mǐn)其本尊也(yě)亲自回应。

不(bù)得不说当下AIGC已经变得越来越强大，甚至(zhì)输(shū)出的作品都(dōu)已(yǐ)经能以(yǐ)假乱真了。

02

难辨虚实，AIGC技(jì)术力爆发

警(jǐng)惕安全问题

近日，“苏州金(jīn)鸡湖有游艇party”的消息火遍网络，而经(jīng)过警方辟谣这所谓的(de)“party”可(kě)能(néng)是全国第(dì)一起(qǐ)AI绘图(tú)诈骗。

由于这个活动里(lǐ)面给出的(de)美(měi)女(nǚ)照片都是AI制作的(de)真(zhēn)人照片绘图，因为(wèi)太逼真，被大家当(dāng)成真(zhēn)事传播了(le)。

不过仔细(xì)观(guān)察可以发(fā)现(xiàn)，活动发起者(zhě)提供的照(zhào)片(piàn)中有(yǒu)个(gè)很大(dà)的漏洞(dòng)可以发现(xiàn)并非(fēi)真人，而是AI绘图，那便是图(tú)片中女性的手(shǒu)指部分(fēn)有的(de)存在(zài)异常。

有行业人(rén)事表示：“现在因为手指部(bù)分的(de)绘画算法比较复杂，AI还不太(tài)会(huì)画人(rén)的手，但最新看到的图片已经有越来越完(wán)美的AI模(mó)型出现，以后可能就(jiù)完全没有漏(lòu)洞了。”

类似(shì)的AI作图诈(zhà)骗在国外也已有(yǒu)发(fā)生。据英国(guó)广(guǎng)播(bō)公司(sī)报(bào)道，土耳(ěr)其地震期间，有Tiktok用户使用AI合成了儿童受灾的假(jiǎ)照片发布到(dào)网络，以此诱骗善良(liáng)的(de)人打赏(shǎng)“捐助”从而实(shí)施诈骗。

目前(qián)随着技术发展，AIGC已经(jīng)能做出真人(rén)照片(piàn)般的(de)绘图(tú)效果(guǒ)，如果这样的图片被用来(lái)诈骗，将非常(cháng)可怕。

此外AIGC还(hái)引发(fā)了很多(duō)担忧(yōu)，一方面，批判者认为AI在“学习”了大(dà)量(liàng)前人的(de)作品之后(hòu)，其创作没有任何情绪和(hé)灵魂，难以和人类的艺术(shù)创作相提并(bìng)论。

另一方面，AIGC背(bèi)后的版权、目前都并没有得(dé)到有效的解决，还(hái)有AIGC会不会代替人类“至高无上”的创(chuàng)意。

马斯克也强调，人工智能的安全问题需要(yào)得到重视，太晚就来不(bù)及了。

03

AIGC下(xià)一站(zhàn)除了(le)视(shì)频，还(hái)有远方

技(jì)术都是(shì)有两面性(xìng)的(de)，潜(qián)在的(de)危害并不能掩盖其(qí)光辉的贡献。现在看来，人工智能技术将是第(dì)四次(cì)工业革命(mìng)的核心驱动力(lì)量，将创造新的(de)增(zēng)长奇迹。

过去一年，人工智(zhì)能(néng)在技术和商业层(céng)面都有了巨(jù)大进展，AI绘(huì)画就是人工智能(néng)技术发生方向性改变的一(yī)个代表。其下一站(zhàn)或(huò)许(xǔ)就是(shì)视频。

此前，Meta和谷歌(gē)先后发布了几(jǐ)条引(yǐn)爆(bào)科技圈(quān)的短视频。这些视频(pín)引发关注并非内容做得多优(yōu)秀，反而都非常简单，比如一匹正在喝水的马(mǎ)，一只(zhǐ)画画的(de)玩(wán)具熊，或者(zhě)一段骑(qí)摩托车的第一视角(jiǎo)录像(xiàng)，随便一(yī)个有手机的人都可(kě)以随手录下一段。

但这些短视频(pín)的创作(zuò)方式非常(cháng)简单(dān)，创作者仅仅需要向AI输入一段(duàn)话，甚至只是(shì)说一(yī)下要求，AI就可(kě)以根据需要生成一段视频。

谷歌发布的两(liǎng)个AI生成视频分别来自于Imagen Video和Phenaki，前者主要突(tū)出的是高清，与Meta的Make-A-Video没(méi)有太多的差别(bié)。

在Make-A-Video公布了(le)AI生成的视频(pín)后，AI圈就已经玩了一波(bō)梗，一个(gè)能够做出更高清视频的AI还不足以(yǐ)在短(duǎn)时间内戳(chuō)中(zhōng)兴奋(fèn)点。

Phenaki更(gèng)加令人(rén)震惊的地(dì)方在于，它可以制作(zuò)出超(chāo)过2分(fēn)钟的(de)连贯(guàn)的也有(yǒu)确切内容的视频，这(zhè)才是真正让人们感到惊喜的地(dì)方。因为无论AI生(shēng)成的(de)视频多么高清(qīng)，也只(zhǐ)能是(shì)为内容(róng)生产者提供(gōng)一(yī)个灵感，一个素材，一个(gè)过(guò)场动画。

不过能够(gòu)制作出(chū)有具(jù)体剧情内容的视频就意味着，一些视(shì)频创作由AI代替人(rén)工完成(chéng)已经初步有了可能。

当(dāng)下AI的发展(zhǎn)速度(dù)已经(jīng)超过(guò)大部分(fēn)人的想象。内容产业的本质是(shì)供(gōng)给创(chuàng)造需求，AIGC作(zuò)为全新(xīn)的内容生产方式，可以为内(nèi)容产业带(dài)来(lái)更新的内容风格、更快(kuài)的生产(chǎn)速度，更低的(de)生产成本，这无(wú)疑会驱动内容产业的大爆发(fā)。

除了AI绘图(tú)、视(shì)频，AIGC技术还能应用于音乐、代码、机(jī)器人动作等多种内容形(xíng)式的生成。不难发现该项技术不仅在(zài)游戏(xì)等行业能得到有(yǒu)效(xiào)应用，对于(yú)下一代互联网各种元(yuán)素的构(gòu)建亦有(yǒu)关(guān)键意义。

从(cóng)商业化的(de)角(jiǎo)度来看，文化娱乐、教育、传媒等诸多领(lǐng)域，本身就对(duì)基(jī)于AI的可(kě)视化(huà)内容有强烈(liè)需(xū)求。

因此(cǐ)，AI绘画及视频或不是结果，而只是(shì)AI进程(chéng)中(zhōng)的一(yī)块重要拼图，有望在技术更新的加持下实(shí)现更大的应(yīng)用价值。

AI从理解内容，走向了可以生成内容(róng)，甚至能够创(chuàng)造出独立价值和独立(lì)视角的内容。AIGC的再次出(chū)圈(quān)，更代表着未来(lái)的先(xiān)进(jìn)生产力(lì)即(jí)将到来。

04

紧(jǐn)抓大模型与(yǔ)算(suàn)力(lì)，牢固AIGC底座

从技术的发展也可(kě)以看出，在(zài)语言大(dà)模型、图像大模型之(zhī)后，多模态(tài)大模型已经成(chéng)为(wèi)了新的趋势。

大模型被誉为(wèi)当前人工智能发(fā)展(zhǎn)的智能底座，是全球竞争最激(jī)烈的研究方向之一(yī)，包括谷歌、亚马(mǎ)逊、百度、阿(ā)里、腾(téng)讯等众多头部企业都在竞相(xiāng)发力。

不过训练大(dà)模(mó)型(xíng)的确价格不菲，以(yǐ)国盛证券发布的(de)《ChatGPT需要(yào)多(duō)少算力(lì)》报告(gào)估算(suàn)，GPT-3训练一(yī)次(cì)的成本约为(wèi)140万美(měi)元。而对于一些更大(dà)的LLM(大型语(yǔ)言模型)，训练成(chéng)本则介于200万美元至(zhì)1200万(wàn)美元高价之(zhī)间。

以ChatGPT在(zài)2023年1月的独立访客平均数1300万计算，其对应(yīng)芯片需(xū)求为3万多片英伟达(dá)A100 GPU，初始投入成本约(yuē)为8亿美(měi)元(yuán)，每日(rì)仅电费就在5万美元左右。

此(cǐ)外不(bù)论(lùn)是ChatGPT还(hái)是AIGC，都离不开庞大算力支(zhī)持。在关注各类大(dà)模型的发展(zhǎn)同时(shí)，更(gèng)应该关注算(suàn)力网络的建(jiàn)设。

算力(lì)网络正(zhèng)驱(qū)动(dòng)AI产业发(fā)展进入史诗(shī)级加速(sù)进程，让AIGC及通用AI这一人(rén)工智能发展的终(zhōng)极(jí)目(mù)标离得更近(jìn)。

因(yīn)为(wèi)算力(lì)可(kě)以对突破性技术创新提供大力的(de)支持。这(zhè)方面(miàn)，多模态大(dà)模型是典型。作为面向(xiàng)未(wèi)来强(qiáng)人工智能、通(tōng)用人工智能(néng)的重要技术(shù)创(chuàng)新，多模态大模型已经(jīng)在(zài)人工智(zhì)能领(lǐng)域提出了很多年，业界也有不少技术突破，但是，多模态大模型(xíng)进一步往下(xià)走，算力需(xū)求(qiú)呈几何式上(shàng)升，一(yī)般的算力基础设施很快将难以胜任。

从(cóng)图像(xiàng)、文(wén)字、语音单独(dú)一项的训练，到双模态、三模态的跃迁，让人工智(zhì)能可以(yǐ)灵活应对(duì)不(bù)同模态的转化、像人与世(shì)界(jiè)交互一样自然，这方面，由算(suàn)力网络来驱(qū)动将有明(míng)显优(yōu)势。

此外，还有很多需(xū)要(yào)爆发式增长的算力来支撑的技(jì)术创(chuàng)新，将在人工智能算力网络支(zhī)撑(chēng)下快(kuài)速推进。

AIGC已经露出(chū)曙光，期待在大模型和大(dà)算力的支持下(xià)AIGC能持续颠覆(fù)内容生(shēng)产的方式，将创造(zào)的(de)边际成本降(jiàng)低，让万(wàn)众(zhòng)受益(yì)。

未经允许不得转载：橘子百科-橘子都知道 假如给我三天光明主要内容概括50字，假如给我三天光明主要内容概括30字