ControlNet颠覆(fù)AI绘画新(xīn)玩法

AIGC向可控靠近(jìn)

以(yǐ)AI绘画为(wèi)代表的AIGC上一次爆火的时候，还是2022年8月，在美国(guó)科罗(luó)拉多(duō)州举办的新兴数字(zì)艺术家竞(jìng)赛中，一幅(fú)名(míng)为(wèi)《太空歌剧(jù)院》的作品获奖。

随(suí)后各大(dà)厂商的AI绘画软件被广大网友熟知并体验(yàn)，Stable Diffusion便(biàn)是其中(zhōng)代表(biǎo)。

用(yòng)户们(men)可以在(zài)应用中输入一(yī)组关键词或者一(yī)张照片(piàn)，就能获得一幅AI创作的画(huà)作。

作画的关键就是所输入的文本。同一组关(guān)键词也可以创作出很多张风格(gé)不一样的画作(zuò)，这让创作的过(guò)程(chéng)就像开(kāi)盲盒。

很(hěn)多用户(hù)很喜欢这(zhè)种(zhǒng)不确定的(de)惊(jīng)喜，他(tā)们会(huì)将生成的美图当(dāng)做头像。而另(lìng)一部分喜欢翻(fān)看AI绘(huì)画的“翻(fān)车”作品。在社交媒(méi)体上，许多用户分享AI“翻车(chē)现场”，例如，一位网友的小(xiǎo)狗(gǒu)照片(piàn)被AI画(huà)成了“肌肉男”，还(hái)有(yǒu)网友的个人照片(piàn)被AI识别成了建筑(zhù)。

而如今随着ControlNet的出现与加持，以往AI绘(huì)画的填写关键(jiàn)词游戏可能要被颠(diān)覆了(le)。

ControlNet是一位正在斯坦福读博的中国人张吕敏创作(zuò)的一种(zhǒng)基(jī)于控制(zhì)点的图(tú)像变形算(suàn)法，主要用(yòng)于(yú)数字(zì)图像处理、计算机视觉和计算机图形学等领域。

其SD插件一(yī)经发布，在(zài)短(duǎn)短(duǎn)的两天内(nèi)便成为了(le)AI绘画领域最新的热点(diǎn)。

在此之前，大家用(yòng)了很多方法想让AI生成的结(jié)果尽可能的符合要求(qiú)，但是都(dōu)不尽无丝竹之乱耳的之是什么用法，无丝竹之乱耳的之是什么词性如(rú)人意，它(tā)的出现代表着AI生成开始(shǐ)进(jìn)入真正的可控时(shí)期。

因为(wèi)ControlNet可以直接提取画面(miàn)的构图，人物的(de)姿势和(hé)画面的深(shēn)度信息等。有了它的帮助(zhù)，就不用频繁的用(yòng)提示词来(lái)碰运气，抽盲(máng)盒(hé)式的(de)创作了。

通(tōng)俗的说(shuō)ControlNet相当于给(gěi)AI绘画加(jiā)了“魔法(fǎ)”，不(bù)少博主的作(zuò)品(pǐn)已(yǐ)经获得了大量的(de)浏览量，“viggo”就是其中(zhōng)之一(yī)，他用朋友(yǒu)的(de)照片直接(jiē)带她们走进动漫世界(jiè)。

viggo先用StableDiffusion图(tú)片转文字。

再用(yòng)Text2Prompt插(chā)件拓展找到对(duì)应的关键词；最后用ControlNet插件绑定骨骼(gé)开始换关(guān)键(jiàn)词试效果。

通过(guò)图(tú)片就可以(yǐ)看出来，效(xiào)果十分惊艳。

更厉害的是，除了真实的照片，草图也可以加上“魔(mó)法”，知乎大牛“DevPoint”和(hé)“逗砂”介绍(shào)到ControlNet还能实现线稿转全彩图。大(dà)神张吕敏(mǐn)其(qí)本尊也亲自回应(yīng)。

不得(dé)不说当下AIGC已经变得(dé)越来越强(qiáng)大，甚至输(shū)出的作品(pǐn)都已经能以假乱真了。

02

难辨虚实，AIGC技术力爆发

警(jǐng)惕安全问题(tí)

近日(rì)，“苏州金(jīn)鸡(jī)湖有(yǒu)游艇(tǐng)party”的消息(xī)火遍网络，而经(jīng)过警方辟谣这所谓的“party”可能是全国(guó)第一起AI绘(huì)图诈骗(piàn)。

由(yóu)于这个活动里面给出(chū)的美女照片(piàn)都是(shì)AI制作的真人照片(piàn)绘图(tú)，因为太逼真(zhēn)，被大(dà)家当成真事传(chuán)播了(le)。

不(bù)过仔细观察可(kě)以发现，活(huó)动发起者提供的照片中有个(gè)很(hěn)大的漏洞(dòng)可以发现(xiàn)并非(fēi)真(zhēn)人，而是AI绘(huì)图，那便(biàn)是图(tú)片中女性的(de)手指(zhǐ)部分有的存在(zài)异常。

有行业人事表示：“现(xiàn)在因为手指部分的绘画算法(fǎ)比较复杂，AI还不太会画(huà)人(rén)的手，但最(zuì)新(xīn)看到的(de)图(tú)片已(yǐ)经(jīng)有越(yuè)来越完美(měi)的AI模型出现(xiàn)，以后可能就完全没有漏洞了。”

类似的(de)AI作(zuò)图诈骗在(zài)国外也已有发生。据英国广(guǎng)播公司报(bào)道，土(tǔ)耳其地震(zhèn)期间，有Tiktok用户(hù)使用AI合成了儿(ér)童受灾的假照(zhào)片发布到网络，以此诱骗善良的人打(dǎ)赏“捐助”从而实施诈骗。

目前随着技术发展，AIGC已经能做(zuò)出(chū)真人照片般的(de)绘图(tú)效果(guǒ)，如果(guǒ)这(zhè)样(yàng)的图片被用来(lái)诈骗，将非常可怕。

此(cǐ)外(wài)AIGC还引发了很多担忧，一方面(miàn)，批判者认(rèn)为AI在“学习”了大量前人的作品之后，其(qí)创作没有(yǒu)任何(hé)情绪(xù)和灵魂，难以和人类的艺术(shù)创作相提(tí)并论(lùn)。

另一方面(miàn)，AIGC背后的版权、目前都并没有得到有效的(de)解决，还有AIGC会不会代替(tì)人类“至高(gāo)无上”的创意(yì)。

马斯克也(yě)强(qiáng)调，人工(gōng)智(zhì)能的安全问题需(xū)要得到(dào)重(zhòng)视，太晚就来(lái)不(bù)及了。

03

AIGC下一站除了视频，还有远方

技(jì)术都是有(yǒu)两(liǎng)面(miàn)性的，潜在的(de)危害并(bìng)不(bù)能掩盖其光(guāng)辉(huī)的(de)贡(gòng)献。现在看来，人工智能(néng)技术(shù)将是第四次(cì)工(gōng)业革(gé)命的核心驱动力量，将创造(zào)新的增长(zhǎng)奇(qí)迹。

过去一年(nián)，人(rén)工(gōng)智能在技术和商业层面都有了巨大进展，AI绘画就是人工智能技(jì)术发生方向性改变的一(yī)个代表(biǎo)。其(qí)下一站(zhàn)或许就是视(shì)频(pín)。

此前，Meta和谷歌先后发布了几(jǐ)条引爆科(kē)技(jì)圈的(de)短视频(pín)。这些(xiē)视频(pín)引发关注并非内容(róng)做(zuò)得多优秀，反而都非常简(jiǎn)单，比如一匹正(zhèng)在(zài)喝水(shuǐ)的马，一只画画(huà)的玩具熊，或者(zhě)一段骑摩托车(chē)的第一(yī)视角录像，随便一个有手机(jī)的人都(dōu)可以随手录下一段。

但(dàn)这些短(duǎn)视频的创作方(fāng)式非常(cháng)简单，创(chuàng)作(zuò)者仅仅需要(yào)向AI输入(rù)一段(duàn)话，甚至只是说一下要求，AI就可以根据需要生成一段(duàn)视频。

谷歌发布(bù)的(de)两个(gè)AI生成视(shì)频分别来自于Imagen Video和Phenaki，前(qián)者(zhě)主要突出(chū)的是高(gāo)清，与Meta的Make-A-Video没有(yǒu)太多的差别(bié)。

在Make-A-Video公布(bù)了AI生成(chéng)的视频后，AI圈(quān)就已经玩了一(yī)波梗(gěng)，一个能够做出更高清视(shì)频的AI还不足以在(zài)短时(shí)间内戳中兴(xīng)奋(fèn)点。

Phenaki更加令(lìng)人震惊的地方在于，它可以制(zhì)作出超(chāo)过2分钟(zhōng)的连(lián)贯的(de)也有(yǒu)确切内容的视(shì)频(pín)，这(zhè)才(cái)是真正(zhèng)让(ràng)人们感到惊喜的地方(fāng)。因为无论AI生成的视频多么高清，也只(zhǐ)能是为内容生产者提供一个(gè)灵感，一(yī)个素材，一个过场(chǎng)动画。

不过能(néng)够(gòu)制作出有具体剧情内(nèi)容的视频就(jiù)意味着，一(yī)些视频创作由AI代替(tì)人工完(wán)成已经(jīng)初步有了可能(néng)。

当(dāng)下AI的(de)发展速度已经超(chāo)过(guò)大部分人的想(xiǎng)象。内容产业的本质是供给(gěi)创(chuàng)造需(xū)求(qiú)，AIGC作(zuò)为全新的内容生产方式，可以为(wèi)内容产业(yè)带来(lái)更新(xīn)的内容(róng)风(fēng)格、更快的(de)生(shēng)产速度，更低的生产成本，这无疑会驱(qū)动内(nèi)容产业的大(dà)爆发(fā)。

除了(le)AI绘图、视(shì)频，AIGC技术还能应用于音乐、代(dài)码(mǎ)、机(jī)器人动(dòng)作等多种内容形式的生成。不难发现该项技术不仅在游(yóu)戏等行业能得到有效应用，对于下一(yī)代互联网各种元(yuán)素的构建亦(yì)有关键(jiàn)意义。

从商业化的角度来看，文化娱乐(lè)、教育、传媒等(děng)诸多领域(yù)，本身就(jiù)对基于AI的可视化(huà)内容有强烈需(xū)求。

因此，AI绘画及视频或不是结(jié)果，而只是AI进(jìn)程中的一块重要拼图(tú)，有望(wàng)在技术更新的加持下实现更大(dà)的应用价值。

AI从理解内(nèi)容，走向了可以生成内容，甚至能够创造出(chū)独立价值(zhí)和(hé)独立视(shì)角的(de)内容。AIGC的再次出圈，更代表着未(wèi)来的先进生产力即将到来。

04

紧抓大模型与算力，牢固AIGC底座

从技术的(de)发(fā)展也可以(yǐ)看出，在语(yǔ)言大模型、图像大(dà)模型之后，多模态大模型已经成为了新(xīn)的趋势。

大模型(xíng)被誉(yù)为当前人(rén)工(gōng)智(zhì)能发展的智能底座，是全球竞争最激烈的(de)研究方向之一，包括谷歌、亚马(mǎ)逊、百(bǎi)度、阿里(lǐ)、腾讯(xùn)等众多头部企业都在竞相发(fā)力(lì)。

不过训练大模型的确(què)价格(gé)不菲，以国盛证(zhèng)券发布的《ChatGPT需要多少算力》报(bào)告估算，GPT-3训练一次的成本约(yuē)为140万(wàn)美(měi)元。而对于一(yī)些更大的LLM(大(dà)型语言模型)，训练成本则介于200万美元至(zhì)1200万美元高价(jià)之间。

以ChatGPT在(zài)2023年1月的独立访(fǎng)客平均数1300万计算，其对应芯片需求为3万(wàn)多片(piàn)英伟达(dá)A100 GPU，初始(shǐ)投入成本约为8亿(yì)美元，每(měi)日仅电费就在5万美元左(zuǒ)右。

此外(wài)不论是(shì)ChatGPT还(hái)是AIGC，都离不(bù)开庞大算力(lì)支持。在关(guān)注各类大(dà)模型的发(fā)展同时，更应该关注算力(lì)网络的(de)建(jiàn)设。

算力网(wǎng)络正驱动(dòng)AI产业(yè)发展进入史(shǐ)诗级加速(sù)进程，让AIGC及通用AI这一人工智能发展(zhǎn)的终极目标(biāo)离得更(gèng)近(jìn)。

因为(wèi)算力(lì)可(kě)以对突破性技(jì)术创新提(tí)供大力的支持。这方面(miàn)，多模态(tài)大模型是典型。作为面向(xiàng)未来强人(rén)工智能、通用人工智能的重要技术创新(xīn)，多模态大模型(xíng)已经(jīng)在人工智能领域提出了很多年，业界也有不少技术突破(pò)，但是(shì)，多模(mó)态大(dà)模(mó)型进一步往下走，算(suàn)力需求呈(chéng)几何式上升(shēng)，一般的算(suàn)力基础(chǔ)设(shè)施很快将难以(yǐ)胜任。

从图像(xiàng)、文字、语音单独一项(xiàng)的训练(liàn)，到双模态、三模态的跃迁，让人工智能可以(yǐ)灵活应对(duì)不同模态的转化、像人与世界交互一样自然，这(zhè)方面(miàn)，由算力网(wǎng)络来驱动将有明显优(yōu)势(shì)。

此(cǐ)外，还有(yǒu)很(hěn)多需要爆发式增长的算力来支(zhī)撑的(de)技术创新，将在人(rén)工智能算力网络支(zhī)撑(chēng)下快速推(tuī)进。

AIGC已经露出曙光，期待在大模型和大算力的支(zhī)持下AIGC能持续(xù)颠覆(fù)内容生产的(de)方式，将(jiāng)创造的(de)边际成本降低，让万众受(shòu)益。

未经允许不得转载：绿茶通用站群 无丝竹之乱耳的之是什么用法，无丝竹之乱耳的之是什么词性