01

ControlNet颠覆AI绘(huì)画新(xīn)玩(wán)法

AIGC向可控靠近

以(yǐ)AI绘画为(wèi)代(dài)表的AIGC上一次爆火(huǒ)的(de)时候，还是2022年8月，在美(měi)国科罗拉多州举(jǔ)办(bàn)的新兴数字艺(yì)术家竞(jìng)赛中，一幅(fú)名为(wèi)《太(tài)空歌剧院(yuàn)》的作品获奖。

随后各大厂商的AI绘(huì)画软件(jiàn)被(bèi)广大网(wǎng)友(yǒu)熟知并(bìng)体验(yàn)，Stable Diffusion便是其中(zhōng)代表。

用户(hù)们(men)可以在(zài)应(yīng)用中输入一组(zǔ)关键词或者(zhě)一张照片，就能获得一(yī)幅AI创作的画作(zuò)。

作画的关(guān)键就是(shì)所输(shū)入的(de)文本。同一组关键(jiàn)词(cí)也(yě)可以创(chuàng)作出很(hěn)多张风格不一样的(de)画作(zuò)，这让创(chuàng)作(zuò)的过(guò)程就像开盲(máng)盒。

很(hěn)多(duō)用户很喜欢(huān)这(zhè)种不确定的(de)惊喜(xǐ)，他(tā)们(men)会将生成的美图当(dāng)做头像。而(ér)另一部(bù)分喜欢翻看AI绘(huì)画的“翻车(chē)”作品。在社交媒体上，许多用(yòng)户(hù)分享AI“翻车现场”，例如，一位网友的(de)小狗照(zhào)片被AI画(huà)成了“肌肉(ròu)男”，还有网友的个人照片被AI识别成了建筑。

而如今(jīn)随着ControlNet的出现与(yǔ)加(jiā)持，以往AI绘画的填写关键词(cí)游戏可能要被颠覆了(le)。

ControlNet是一位(wèi)正在(zài)斯坦福读博(bó)的中(zhōng)国(guó)人张吕敏(mǐn)创作的(de)一(yī)种基于控制点的图像变形算(suàn)法，主要用于数字图像处理、计算机视觉(jué)和计(jì)算机图形(xíng)学等领域。

其SD插(chā)件(jiàn)一(yī)经发布，在短短的两天内便成为了AI绘画领域(yù)最新的(de)热(rè)点。

在此之前，大家(jiā)用了很多方法想让AI生成的结果尽可能的符合(hé)要(yào)求，但(dàn)是都不(bù)尽如人意，它(tā)的出现代表着AI生成开(kāi)始(shǐ)进入真正的(de)可(kě)控时(shí)期。

因为ControlNet可以直(zhí)接提取画面的(de)构(gòu)图，人物的姿势和画面的深度信息(xī)等(děng)。有了(le)它的帮(bāng)助，就不(bù)用频繁的用提示词(cí)来碰运气，抽盲(máng)盒式的创作了(le)。

通俗的(de)说ControlNet相当于(yú)给(gěi)AI绘画加了“魔法”，不少博(bó)主的(de)作品已经获得了大量的浏(liú)览量(liàng)，“viggo”就是其中之一，他用朋友的照片(piàn)直(zhí)接带她们走进动漫世界。

viggo先用StableDiffusion图(tú)片(piàn)转(zhuǎn)文字。

再用Text2Prompt插件拓(tuò)展找到对(duì)应的关键词；最后用ControlNet插件绑定骨骼开始换(huàn)关键(jiàn)词试效果。

通过(guò)图片就可(kě)以看出(chū)来，效果十分惊艳(yàn)。

更厉害的是，除了真(zhēn)实的照片，草(cǎo)图(tú)也可(kě)以加(jiā)上“魔法”，知乎(hū)大牛“DevPoint”和“逗(dòu)砂”介绍到ControlNet还能实(shí)现(xiàn)线稿转全彩图。大神(shén)张(zhāng)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(yuè)来越(yuè)强大，甚(shèn)至输出(chū)的作品都已(yǐ)经能以假乱真了。

02

难辨虚实，AIGC技术力爆发

警惕安全问(wèn)题

近日，“苏(sū)州金鸡湖有游艇(tǐng)party”的消息火(huǒ)遍(biàn)网络，而(ér)经过警(jǐng)方辟谣这所谓的“party”可能是(shì)全国第一(yī)起AI绘图诈骗(piàn)。

由于这个(gè)活(huó)动(dòng)里面(miàn)给出的美女照片(piàn)都是AI制(zhì)作的真人照(zhào)片绘图，因为太逼真，被(bèi)大家当成真(zhēn)事传(chuán)播了。

不过仔细观察可以发现，活动发起(qǐ)者提供的(de)照(zhào)片中(zhōng)有个(gè)很(hěn)大的漏洞(dòng)可(kě)以发现并(bìng)非真人，而是(shì)AI绘图，那便(biàn)是图片中(zhōng)女性的(de)手(shǒu)指部分有的存(cún)在异(yì)常。

有(yǒu)行业人事表示(shì)：“现在因为手指部分的绘(huì)画(huà)算法比较复杂，AI还不太会画人的手，但最新看到的图(tú)片已经有(yǒu)越来越完美(měi)的AI模型出现(xiàn)，以后可能就(jiù)完(wán)全没(méi)有漏洞了。”

类似(shì)的AI作(zuò)图诈骗(piàn)在国外(wài)也已有发生。据英国广播(bō)公司报道，土耳其地(dì)震期间，有Tiktok用户使用AI合成了儿(ér)童受灾(zāi)的假照片发(fā)布到网络，以此诱骗善良的人打赏“捐助”从而实施诈骗。

目前随着技术发展，AIGC已经能做(zuò)出真(zhēn)人照(zhào)片(piàn)般的绘(huì)图效果(guǒ)，如果(guǒ)这样的(de)图(tú)片(piàn)被用来诈骗，将非常可怕。

此外AIGC还引发了很多(duō)担忧，一方面，批判(pàn)者认为(wèi)AI在“学习”了大量前(qián)人(rén)的作品之后，其创(chuàng)作没(méi)有(yǒu)任何情绪和灵魂，难(nán)以和人(rén)类(lèi)的艺(yì)术(shù)创作相提并论(lùn)。

另一方面，AIGC背后的(de)版权、目前(qián)都(dōu)并没有得到(dào)有效(xiào)的解决，还有AIGC会不会代(dài)替(tì)人类“至高无上”的(de)创意。

马斯(sī)克也强(qiáng)调(diào)，人工(gōng)智能的安(ān)全问(wèn)题需要得到重视，太晚就(jiù)来(lái)不及了。

03

AIGC下一站除了视频(pín)，还有远方

技术都是有两面(miàn)性的，潜在的危害(hài)并不能掩盖其光(guāng)辉的贡(gòng)献。现(xiàn)在(zài)看(kàn)来，人工智能技(jì)术(shù)将是第四次工业革(gé)命(mìng)的核心驱动力量，将创(chuàng)造新的增长(zhǎng)奇迹。

过去一年，人工智能在技术和商(shāng)业层面都有了巨大进展，AI绘画就是人工(gōng)智(zhì)能技(jì)术发(fā)生方向性(xìng)改变的一个代(dài)表。其下一站或许(xǔ)就是视频。

此前，Meta和谷歌先后发布了(le)几条引爆科技圈的(de)短视频。这些视频引发关注并非(fēi)内容(róng)做得多优秀，反而都非常简单，比如(rú)一匹正在(zài)喝水的马，一只画画的玩具熊(xióng)，或(huò)者一段骑摩托车的第一视角录像，随便一个(gè)有(yǒu)手机的人都可以(yǐ)随(suí)手录(lù)下一(yī)段(duàn)。

但这些短视频(pín)的(de)创作(zuò)方(fāng)式非常简(jiǎn)单，创作者仅仅需要向AI输入一段(duàn)话(huà)，甚至只是说一下要求，AI就可以根据需(xū)要(yào)生成一段视(shì)频。

谷歌发(fā)布的两个(gè)AI生成视(shì)频分别来自(zì)于Imagen Video和(hé)Phenaki，前者(zhě)主要突(tū)出的是高清，与Meta的Make-A-Video没有太(tài)多(duō)的差(chà)别(bié)。

在Make-A-Video公布了AI生成(chéng)的视(shì)频后，AI圈就已(yǐ)经玩了一(yī)波梗，一个能够做(zuò)出更(gèng)高清视频的(de)AI还不足以在短时间内戳中(zhōng)兴奋点。

Phenaki更加令人震惊的地方在于，它可(kě)以(yǐ)制作出(chū)超过2分钟的连贯的(de)也(yě)有确切内容的视频(pín)，这才是真(zhēn)正让人们感到(dào)惊(jīng)喜的(de)地方。因为无论AI生成的视频(pín)多(duō)么高清，也只能是为内(nèi)容生产者提供一(yī)个灵感，一个素材，一个过场(chǎng)动画。

不过能够制作出(chū)有具体剧(jù)情(qíng)内(nèi)容的(de)视频就意味着(zhe)，一些视频(pín)创作由AI代替人工(gōng)完成已经初步(bù)有了可(kě)能。

当下(xià)AI的发展(zhǎn)速度已经超(chāo)过大部分(fēn)人的想象(xiàng)。内容产业的本质是(shì)供给创造需求，AIGC作为全新的内容(róng)生(shēng)产方式，可以为内容产(chǎn)业带来更新(xīn)的内容风格、更快的生产速(sù)度，更低的生产成(chéng)本，这无(wú)疑(yí)会驱动内容产(chǎn)业的大(dà)爆发(fā)。

除了AI绘(huì)图、视(shì)频，AIGC技术还能应用于(yú)音乐、代码、机器(qì)人动(dòng)作等多种内容(róng)形式的生成。不难发(fā)现该项技(jì)术不仅(jǐn)在游戏等(děng)行(xíng)业能得(dé)到(dào)有(yǒu)效应用(yòng)，对于下一代互(hù)联网各种元(yuán)素的构建亦有关键意义。

从商业化的(de)角度(dù)来(lái)看(kàn)，文化娱(yú)乐、教育、传(chuán)媒等诸多领域，本身(shēn)就对基于AI的可视化内(nèi)容有强烈需求。

因此(cǐ)，AI绘画及视频(pín)或(huò)不是结果，而(ér)只是AI进程中的(de)一(yī)块重(zhòng)要拼图，有望在(zài)技术(shù)更新的加(jiā)持下(xià)实(shí)现更大(dà)的(de)应用价值。

AI从(cóng)理(lǐ)解内容，走向了可以生成内容(róng)，甚(shèn)至能够创造出独立价值和独立(lì)视角(jiǎo)的(de)内容(róng)。AIGC的再(zài)次出圈(quān)，更代表(biǎo)着(zhe)未来的先进生产力即(jí)将(jiāng)到来。

04

紧抓大模型与算力，牢(láo)固AIGC底座

从技术的发展也(yě)可(kě)以看出，在(zài)语言大模型、图像大模型之后(hòu)，多模态大(dà)模型已经成(chéng)为了新的趋势(shì)。

大模型被誉(yù)为当前人工智能发展的智能底座，是全(quán)球(qiú)竞(jìng)争(zhēng)最(zuì)激烈的研(yán)究方向之一，包括谷歌、亚(yà)马(mǎ)逊、百度、阿里、腾讯等众多(duō)头(tóu)部企业都(dōu)在竞(jìng)相发力。

不过训练(liàn)大模型(xíng)的确价格不(bù)菲，以国盛证券发(fā)布的《ChatGPT需要(yào)多少算(suàn)力》报告估算(suàn)，GPT-3训练一次的成本约为140万美元。而对于一些(xiē)更大的LLM(大型语言(yán)模型)，训(xùn)练成(chéng)本(běn)则介于200万美元(yuán)至1200万美元(yuán)高价之间。

以ChatGPT在2023年1月的独立访客平(píng)均数(shù)1300万计(jì)算，其对应芯片需求为3万多片英(yīng)伟达A100 GPU，初始(shǐ)投入(rù)成本(běn)约为8亿美(měi)元，每日仅电(diàn)费就在5万(wàn)美元(yuán)左右。

此(cǐ)外不论是ChatGPT还是AIGC，都离不开庞大(dà)算力支持(chí)。在关注各(gè)类大模型的发展同时，更(gèng)应该关注算力网络的建设。

算力网(wǎng)络正驱动AI产业发展进入史诗级加速进程(chéng)，让(ràng)AIGC及通用AI这一人工(gōng)智能发(fā)展的(de)终(zhōng)极目标离得更近。

因为算力可以对突(tū)破性技术(shù)创新(xīn)提供大力的支(zhī)持。这(zhè)方(fāng)面，多模(mó)态大模型是典型。作为面向未(wèi)来(lái)强人工(gōng)智能(néng)、通用人工(gōng)智(zhì)能的重要(yào)技术创新，多模态大模型已经在(zài)人工智能(néng)领域提出了很多年，业界(jiè)也有(yǒu)不(bù)少技术突破(pò)，但(dàn)是，多模态(tài)大(dà)模型进一(yī)步往(wǎng)下走，算力(lì)需(xū)求(qiú)呈几何式上升，一(yī)般(bān)的算力基础设施很快将难以胜任。

从图像、文字、语音单(dān)独一项(xiàng)的训练，到双模(mó)态、三(sān)模态(tài)的跃迁，让人(rén)工智能可以灵活应对不同(tóng)模态(tài)的转(zhuǎn)化、像人(rén)与世界(jiè)交互一样(yàng)自(zì)然，这方面(miàn)，由算(suàn)力网络来驱动将(jiāng)有明显优(yōu)势。

此外(wài)，还有很多需要爆(bào)发式增长的算力来支撑的(de)技术创(chuàng)新(xīn)，将在人工智能算力网络(luò)支撑下快速推进。

AIGC已经露出曙(shǔ)光，期待(dài)在大模型和大算力的支持下(xià)AIGC能持续颠覆内容生(shēng)产的(de)方(fāng)式，将创(chuàng)造(zào)的边际成本降(jiàng)低，让万众(zhòng)受益。

未经允许不得转载：橘子百科-橘子都知道 姚笛为文章打过几次胎，文章和姚笛生孩子了嘛