ControlNet颠覆AI绘画新玩法

AIGC向可控靠近

以AI绘画为代(dài)表的(de)AIGC上一次爆火(huǒ)的时候，还是(shì)2022年8月，在美国科罗(luó)拉(lā)多州举办的新兴数字(zì)艺术(shù)家竞(jìng)赛(sài)中，一幅名为(wèi)《太空歌剧院》的作品(pǐn)获奖(jiǎng)。

随后各大厂商的(de)AI绘画(huà)软(ruǎn)件(jiàn)被广大网友熟知并体(tǐ)验，Stable Diffusion便是(shì)其中代表。

用户们可以(yǐ)在(zài)应用中输入一组关(guān)键(jiàn)词或者一张照(zhào)片，就(jiù)能获得一幅AI创作的(de)画作(zuò)。

作画的关键就是所输入的文本。同(tóng)一组(zǔ)关键(jiàn)词也可以创作出很多张风格(gé)不一样(yàng)的(de)画作(zuò)，这让创作的过程就像开盲盒。

很多用户很喜欢这种不确定(dìng)的惊喜，他们会将(jiāng)生(shēng)成的(de)美(měi)图当(dāng)做头像。而另(lìng)一部分喜欢(huān)翻看AI绘画的“翻车”作品。在社(shè)交(jiāo)媒体上，许多用户分享AI“翻(fān)车现场”，例如，一位网友的(de)小狗(gǒu)照片(piàn)被AI画成了(le)“肌肉男(nán)”，还有网友的个人照片被(bèi)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(huì)画的(de)填写(xiě)关键词游戏可能要被颠覆了。

ControlNet是一位正在斯坦(tǎn)福读博的中(zhōng)国人(rén)张吕敏创作(zuò)的一种基于控制点的图(tú)像变形算法，主(zhǔ)要(yào)用于数字图(tú)像处理(lǐ)、计算机视觉和计(jì)算机(jī)图形学等(děng)领域。

其SD插件一经发布，在短(duǎn)短的(de)两(liǎng)天内便成为(wèi)了AI绘(huì)画领(lǐng)域最新(xīn)的热点。

在(zài)此之(zhī)前(qián)，大家用了很多方法想(xiǎng)让AI生成的结果尽可能的符合要求，但是都不尽如人意，它的(de)出现代表着AI生成开始进入真正的(de)可控时期。

因为ControlNet可以直接提取(qǔ)画(huà)面的构(gòu)图，人物(wù)的姿势(shì)和画(huà)面的(de)深度信息(xī)等(děng)。有了它的帮助，就不用频繁(fán)的用提示词来碰(pèng)运气(qì)，抽盲盒式的创作了(le)。

通俗的说(shuō)ControlNet相当于给AI绘画加(jiā)了“魔(mó)法”，不(bù)少(shǎo)博(bó)主的作品已经获得了大量的浏览(lǎn)量，“viggo”就是其中(zhōng)之(zhī)一，他用朋友的照片直(zhí)接(jiē)带(dài)她们走进(jìn)动漫世界。

viggo先用StableDiffusion图片转文字(zì)。

再用Text2Prompt插(chā)件(jiàn)拓展找到(dào)对应的(de)关键词；最后用(yòng)ControlNet插(chā)件绑定骨骼开(kāi)始换关键词试效(xiào)果。

通过图片就(jiù)可以看出来，效果十分惊艳。

纵有万般不舍的下一句是什么成语，纵有万般不舍啥意思o="0.75234375" data-s="300,640" data-type="jpeg" data-w="1280">

更厉(lì)害的是，除了真实(shí)的(de)照片，草图也可以加上“魔法”，知乎大牛“DevPoint”和“逗砂”介绍到ControlNet还(hái)能实现线稿转(zhuǎn)全彩图(tú)。大(dà)神张吕敏(mǐn)其本尊也亲自回应。

不得(dé)不说当下AIGC已经变得(dé)越来越强大，甚至输出的作品都已经能(néng)以假乱真了(le)。

02

难辨虚实(shí)，AIGC技术力爆发

警惕安全(quán)问(wèn)题

近日(rì)，“苏(sū)州金(jīn)鸡湖有游(yóu)艇(tǐng)party”的消(xiāo)息火遍网络，而经过警方辟谣这所(suǒ)谓的“party”可能是全国(guó)第一起AI绘图诈骗。

由于这个(gè)活动里面给出的美(měi)女照片(piàn)都是AI制(zhì)作的真(zhēn)人(rén)照片绘图，因(yīn)为太逼(bī)真，被大家当成真事(shì)传播了。

不过(guò)仔细(xì)观(guān)察可以发(fā)现，活动(dòng)发(fā)起者提供的照片中(zhōng)有(yǒu)个很(hěn)大的(de)漏洞可以(yǐ)发现(xiàn)并非真人，而是AI绘图，那便是图片(piàn)中(zhōng)女性的手指部分有的存在异常。

有行业人(rén)事表示(shì)：“现在因为手指部分的绘(huì)画(huà)算法(fǎ)比较复杂，AI还(hái)不太(tài)会画(huà)人(rén)的手(shǒu)，但最(zuì)新看到的图片已经(jīng)有越来越完美的(de)AI模型出现，以后可能就完全没有漏洞(dòng)了。”

类似的AI作图诈骗(piàn)在国外也已有发生(shēng)。据英国广播公(gōng)司报道(dào)，土耳其地震期间(jiān)，有(yǒu)Tiktok用户使用AI合成了儿童受灾的(de)假照片发(fā)布到网络，以(yǐ)此诱骗善良的人打(dǎ)赏(shǎng)“捐(juān)助”从(cóng)而实施诈骗。

目前随着技术发展，AIGC已经能做出真人照片般的绘图(tú)效果(guǒ)，如果(guǒ)这样的图片被用来诈(zhà)骗(piàn)，将非常可(kě)怕(pà)。

此(cǐ)外(wài)AIGC还引发了很多(duō)担忧，一方面，批判者认为(wèi)AI在“学习(xí)”了大量前人的(de)作(zuò)品之后，其创作没(méi)有(yǒu)任何情(qíng)绪和灵魂，难以和人类的艺术(shù)创作相提并(bìng)论。

另一方面，AIGC背后的版(bǎn)权(quán)、目前都并没有得到有效的解决，还(hái)有(yǒu)AIGC会不会代替(tì)人类“至高无上”的(de)创意。

马斯(sī)克也(yě)强调，人工智能的安(ān)全问题需要(yào)得到重视(shì)，太晚就(jiù)来不及了。

03

AIGC下(xià)一(yī)站除了(le)视(shì)频，还(hái)有(yǒu)远方

技术都是有两面(miàn)性的，潜在(zài)的(de)危害并不能掩盖其(qí)光辉的贡献。现(xiàn)在看来(lái)，人工智(zhì)能技术将是第四次工业(yè)革命的(de)核心驱动力量，将创造(zào)新的(de)增长(zhǎng)奇迹。

过(guò)去一年，人工(gōng)智(zhì)能在技术和商业层面都有了巨(jù)大进展，AI绘(huì)画(huà)就(jiù)是人工智能技术发生方向性改(gǎi)变的(de)一(yī)个代表。其(qí)下一站(zhàn)或(huò)许就(jiù)是视频。

此前，Meta和谷歌先后发(fā)布了几条引爆科(kē)技圈的短(duǎn)视频。这些视频引发关(guān)注并非内容(róng)做(zuò)得多优秀(xiù)，反而(ér)都非常简单，比如一匹正在喝水的(de)马，一(yī)只(zhǐ)画画的玩具熊，或者一段骑摩托车的第一视角录(lù)像，随便一个有手(shǒu)机(jī)的人都可以随手录(lù)下(xià)一段。

但这些短视频(pín)的创(chuàng)作方式非常简(jiǎn)单，创作(zuò)者仅仅需(xū)要向AI输入(rù)一段话，甚至只是(shì)说一(yī)下要求，AI就可以根据需要生成一段视频。

谷歌发布的(de)两个AI生成视(shì)频(pín)分别来自于Imagen Video和(hé)Phenaki，前者主(zhǔ)要(yào)突出的是高清，与Meta的Make-A-Video没有太多的差别。

在Make-A-Video公布了AI生成的(de)视频(pín)后，AI圈就已经玩了一波梗，一个能够做出更高清视(shì)频的AI还不足以在短时间内戳中兴奋点(diǎn)。

Phenaki更加令人(rén)震惊的(de)地方在于，它可以制作(zuò)出(chū)超(chāo)过2分钟(zhōng)的连贯的(de)也有确切内(nèi)容的视频，这才是真(zhēn)正让人们感(gǎn)到惊(jīng)喜(xǐ)的地(dì)方。因为(wèi)无论AI生成的(de)视频多(duō)么(me)高清，也只能(néng)是(shì)为内容生产者提(tí)供一个灵感，一个素材，一个过场动画。

不过(guò)能够制作出有具体剧情内容的(de)视(shì)频就(jiù)意(yì)味着，一些视(shì)频创作由(yóu)AI代替人工完成已经(jīng)初(chū)步(bù)有了可(kě)能。

当下AI的发展速度已经超过大部分人(rén)的(de)想象。内容(róng)产业的本质是供(gōng)给创造需求，AIGC作为全新的内(nèi)容生产方(fāng)式，可(kě)以为内容产(chǎn)业带(dài)来(lái)更新的内容风格、更快(kuài)的(de)生(shēng)产速度，更(gèng)低(dī)的生产成本，这无疑会驱动内(nèi)容(róng)产业的大爆发。

除了(le)AI绘图、视频，AIGC技术(shù)还能应用于音乐、代码、机器人动作等多种内容形式(shì)的(de)生成。不难发(fā)现该(gāi)项技术不仅在(zài)游(yóu)戏等行业(yè)能得到(dào)有(yǒu)效应用，对(duì)于(yú)下一代互联网各种元素(sù)的构建亦有关(guān)键意义(yì)。

从商业化的角度来(lái)看，文化娱(yú)乐、教育(yù)、传媒等诸多领域(yù)，本(běn)身(shēn)就对基(jī)于AI的可(kě)视化内容有强烈(liè)需求。

因此，AI绘画及(jí)视(shì)频或不是结果，而(ér)只是AI进程中的一块重要拼图，有望在技术(shù)更(gèng)新的加持下实现更(gèng)大的应用价值(zhí)。

AI从理解(jiě)内(nèi)容(róng)，走向(xiàng)了可(kě)以生成内容，甚至能够创(chuàng)造出独立价值和(hé)独(dú)立视角(jiǎo)的(de)内容。AIGC的(de)再次出圈，更代表着未来(lái)的(de)先(xiān)进(jìn)生产力即将(jiāng)到来。

04

紧抓大模型与算力，牢固(gù)AIGC底座

从技术(shù)的(de)发(fā)展也可以看出，在语言大模型、图像大模型之后，多模态大模(mó)型已经成为了(le)新的趋势。

大模(mó)型被誉为当前人工智(zhì)能发(fā)展(zhǎn)的(de)智(zhì)能底(dǐ)座，是全(quán)球竞争最(zuì)激(jī)烈的研(yán)究方向之一，包括谷(gǔ)歌、亚马逊、百度、阿里、腾讯等众(zhòng)多头部企业都在竞相发力。

不过训练大模型的(de)确价格不菲，以国盛证券发(fā)布的(de)《ChatGPT需要多少算力》报告估算，GPT-3训(xùn)练一次(cì)的成本约为(wèi)140万美元。而对于一些(xiē)更(gèng)大的LLM(大型(xíng)语言模型)，训练成(chéng)本则介于200万(wàn)美(měi)元至1200万美元高价之间(jiān)。

以(yǐ)ChatGPT在(zài)2023年1月(yuè)的独立访客平(píng)均数1300万计(jì)算，其(qí)对应芯片需求为3万多(duō)片英伟达A100 GPU，初始投入成本(běn)约为8亿美元，每日仅电费(fèi)就在(zài)5万美元左右。

此外(wài)不论是ChatGPT还是AIGC，都离不开(kāi)庞大算力支持。在关注各(gè)类(lèi)大模型的(de)发展同时，更应该(gāi)关注(zhù)算(suàn)力网(wǎng)络(luò)的(de)建设。

算力网络正驱(qū)动AI产业发展进(jìn)入史(shǐ)诗级加速进程，让AIGC及通用AI这(zhè)一(yī)人工(gōng)智能发(fā)展的终(zhōng)极(jí)目标离得更近(jìn)。

因为算力可(kě)以(yǐ)对突破性技术创新提(tí)供大力(lì)的(de)支持。这方面，多模态(tài)大模型是典型。作为面向(xiàng)未来强人工智能(néng)、通用人工(gōng)智能(néng)的(de)重要技术创新，多(duō)模态大模型(xíng)已经(jīng)在人(rén)工(gōng)智能(néng)领域(yù)提出了(le)很多年，业界(jiè)也(yě)有不少(shǎo)技术突破，但(dàn)是(shì)，多模态大模型进一(yī)步往下走，算力需求(qiú)呈几何式上升，一般的算(suàn)力基础设施很快将难以(yǐ)胜任。

从图像、文(wén)字(zì)、语音单独(dú)一项的训练，到(dào)双模态、三模态的跃迁(qiān)，让人工智能可以灵活应对不同模态(tài)的转(zhuǎn)化、像人与世界交互(hù)一样(yàng)自(zì)然，这方面(miàn)，由算力(lì)网络来驱(qū)动将有明显优势。

此外，还有很多需要爆发式(shì)增长的算力(lì)来支撑的技术(shù)创新，将在人工智能算力网络(luò)支(zhī)撑下快(kuài)速推进。

AIGC已(yǐ)经露出曙光，期待在大模型和大(dà)算力(lì)的支(zhī)持(chí)下AIGC能(néng)持续颠(diān)覆内容生产的方(fāng)式(shì)，将创造的边际(jì)成本降低，让万(wàn)众受益。

未经允许不得转载：济宁舞蹈培训学校_济宁洋娃娃舞蹈学校_济宁洋娃娃舞蹈学校官网 纵有万般不舍的下一句是什么成语，纵有万般不舍啥意思