ControlNet颠覆AI绘画新玩法

AIGC向可控靠近

以(yǐ)AI绘画为(wèi)代(dài)表的AIGC上一(yī)次爆火的(de)时候，还是2022年8月，在美国(guó)科罗(luó)拉(lā)多(duō)州举办的新兴数(shù)字(zì)艺术家竞赛(sài)中，一幅名为《太空歌剧院》的作品获奖。

随后各大厂商的AI绘画软(ruǎn)件被(bèi)广(guǎng)大网友熟(shú)知并体(tǐ)验(yàn)，Stable Diffusion便是其中代表(biǎo)。

用(yòng)户们可(kě)以在应(yīng)用中输入一组关键词或(huò)者一张照片，就能(néng)获得(dé)一幅AI创作的(de)画作。

作画的关键(jiàn)就是所输入的文本。同(tóng)一组关(guān)键词也可以(yǐ)创(chuàng)作出很(hěn)多张(zhāng)风格(gé)不一样的(de)画作，这(zhè)让创(chuàng)作的(de)过程就像开盲(máng)盒。

很多用户很喜(xǐ)欢这种不确定(dìng)的惊喜(xǐ)，他们会将生成的美(měi)图当做头(tóu)像。而(ér)另一部分喜(xǐ)欢翻看AI绘(huì)画的“翻车”作品。在社交媒体上，许多用户分享AI“翻车现场(chǎng)”，例(lì)如，一位(wèi)网友的小狗照片(piàn)被(bèi)AI画成了(le)“肌(jī)肉男(nán)”，还有网(wǎng)友的个人照片被AI识(shí)别成了(le)建筑。

而如今随着(zhe)ControlNet的出现与加持，以往AI绘画的(de)填写关键(jiàn)词游戏可能要被颠覆了。

ControlNet是(shì)一位正在(zài)斯(sī)坦福读博的(de)中(zhōng)国人(rén)张(zhāng)吕敏创作的一种基(jī)于控(kòng)制点的图像变(biàn)形算法，主要用于(yú)数字图像处理(lǐ)、计算机(jī)视觉和计算机(jī)图形学等领域。

其(qí)SD插件一经发(fā)布，在短(duǎn)短的两天内便成为了(le)AI绘画(huà)领域(yù)最新的热点。

在此之前，大家用(yòng)了很多(duō)方法想让AI生成(chéng)的结果尽可(kě)能的符合要(yào)求，但是都不尽如人意(yì)，它(tā)的出现代表(biǎo)着AI生(shēng)成(chéng)开始进入真(zhēn)正的(de)可控时期。

因为ControlNet可以直接(jiē)提取画(huà)面的构图，人物的姿势和画面的深度信息等(děng)。有了它的(de)帮助(zhù)，就不用频繁的用(yòng)提示词来(lái)碰运气，抽(chōu)盲盒式的创作(zuò)了。

通俗的说ControlNet相当于给AI绘(huì)画加了“魔法”，不少博主的作品(pǐn)已经获得了大量(liàng)的(de)浏览量(liàng)，“viggo”就是(shì)其中之(zhī)一，他用朋友的照片直接(jiē)带她(tā)们走(zǒu)进动漫(màn)世界。

viggo先(xiān)用StableDiffusion图片转文字。

再用(yòng)Text2Prompt插(chā)件拓展找到对应(yīng)的关键词；最后(hòu)用(yòng)ControlNet插件(jiàn)绑定骨骼开(kāi)始换关键词试效果。

通过图片(piàn)就可以看出(chū)来(lái)，效果(guǒ)十分惊艳(yàn)。

再续前缘的意思是什么，再续前缘的意思可以形容好朋友吗-s="300,640" data-type="jpeg" data-w="1280">

更厉害的是，除了真实的(de)照片，草图也可以加上“魔法”，知乎大(dà)牛(niú)“DevPoint”和“逗砂”介(jiè)绍到ControlNet还能实现(xiàn)线稿转(zhuǎn)全彩图。大神张吕敏其本尊也亲(qīn)自(zì)回应。

不(bù)得(dé)不说当下(xià)AIGC已(yǐ)经变得越来越(yuè)强大，甚(shèn)至输(shū)出(chū)的作品都(dōu)已经能以假乱(luàn)真(zhēn)了。

02

难辨虚实，AIGC技术力爆发

警惕安全问题

近日，“苏州金鸡(jī)湖(hú)有游艇party”的消息火遍(biàn)网络，而经过警方辟谣这(zhè)所谓的“party”可能是全国(guó)第一起(qǐ)AI绘(huì)图(tú)诈骗。

由于这个活(huó)动里面(miàn)给(gěi)出的美女照(zhào)片都(dōu)是AI制作的真人照片绘图，因(yīn)为太逼真，被大(dà)家(jiā)当成真事传播了。

不过仔细观(guān)察可以发(fā)现，活动发起者(zhě)提供(gōng)的(de)照片(piàn)中有个很(hěn)大的(de)漏洞可以发现并非真人，而是AI绘图，那(nà)便是图(tú)片中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画(huà)算法比较复杂，AI还(hái)不太会画人的手，但最新看到的(de)图(tú)片(piàn)已经有越来越完美的AI模型出(chū)现，以(yǐ)后可能就完全没有漏洞了。”

类似的(de)AI作图诈(zhà)骗在国外也已(yǐ)有发生。据英国广(guǎng)播公司报(bào)道(dào)，土(tǔ)耳其地(dì)震期间，有Tiktok用户使用AI合成(chéng)了儿(ér)童受灾的假照片发布(bù)到网络，以此诱骗善(shàn)良的人打赏“捐助”从(cóng)而实施诈骗。

目前(qián)随着技术(shù)发展(zhǎn)，AIGC已经能做出真人照片般的绘图效果(guǒ)，如果这样的(de)图片被用来(lái)诈(zhà)骗，将非常可怕(pà)。

此外AIGC还引发了(le)很多担(dān)忧(yōu)，一(yī)方面，批(pī)判(pàn)者认为AI在(zài)“学习”了大量前人(rén)的作(zuò)品之后(hòu)，其(qí)创作没有任何(hé)情绪(xù)和(hé)灵魂，难以和人类的艺术创作(zuò)相提并论。

另一方面，AIGC背后的版权、目前都并没有(yǒu)得到有效(xiào)的解(jiě)决(jué)，还有AIGC会不会代替人类“至(zhì)高(gāo)无上”的创意。

马斯克也强调，人工(gōng)智能的安全问(wèn)题需要得到重视，太晚就来不及了。

03

AIGC下(xià)一(yī)站除了(le)视频，还有远(yuǎn)方(fāng)

技术都是(shì)有两面性的(de)，潜在的(de)危害(hài)并不(bù)能掩(yǎn)盖其光辉的贡(gòng)献(xiàn)。现(xiàn)在看来，人工智能技术将是第四次工业革命(mìng)的核心(xīn)驱动(dòng)力量，将创造新的增长(zhǎng)奇(qí)迹。

过去一年，人工(gōng)智能在(zài)技术和商业层(céng)面都有了巨大进展，AI绘画就(jiù)是人工智(zhì)能技(jì)术发生方向(xiàng)性(xìng)改变的一个代表(biǎo)。其(qí)下(xià)一站或许就是视频。

此前，Meta和谷歌先后发布了几条引爆科(kē)技圈的(de)短视频。这些视频引发关注并(bìng)非内容做(zuò)得(dé)多优(yōu)秀，反而都非常简单，比(bǐ)如一匹正在喝水的马，一只画画的玩具熊(xióng)，或者一段骑摩托(tuō)车的第一视(shì)角录像，随便一个有手机的人都可以随手录下一段。

但(dàn)这些短视(shì)频(pín)的创作方式非常(cháng)简单，创(chuàng)作者(zhě)仅(jǐn)仅需要向AI输(shū)入一(yī)段话，甚至只是说一下要求，AI就可以根据需(xū)要生(shēng)成(chéng)一段视频(pín)。

谷(gǔ)歌发布的两(liǎng)个AI生成视频分别来自于Imagen Video和Phenaki，前者(zhě)主要(yào)突出的是高(gāo)清，与Meta的Make-A-Video没有太多的差(chà)别。

在Make-A-Video公布(bù)了AI生成的视频后，AI圈就已经玩了一波梗，一个能够做(zuò)出更高清视(shì)频(pín)的AI还不足以在短时间内戳中兴(xīng)奋点。

Phenaki更(gèng)加令人(rén)震惊的地方在于，它可以制作出超过2分钟的连贯的也有(yǒu)确切内容(róng)的视(shì)频，这才是真正让人们感到惊喜的(de)地方。因为无论AI生成的视频多么(me)高清(qīng)，也只能是为内(nèi)容生产(chǎn)者提(tí)供一个灵感，一个素材，一(yī)个过场动画。

不过能够(gòu)制作出有具(jù)体(tǐ)剧情(qíng)内(nèi)容(róng)的视(shì)频就意味着，一些(xiē)视频创作由(yóu)AI代(dài)替人工完成已经初(chū)步(bù)有了可能。

当下(xià)AI的(de)发展速度(dù)已经超过大部(bù)分人的想象。内(nèi)容产(chǎn)业(yè)的本质是供给(gěi)创造需求，AIGC作(zuò)为全新(xīn)的内(nèi)容(róng)生产方(fāng)式，可以为(wèi)内容产(chǎn)业带(dài)来更新的内容风格、更快的生产速度，更低(dī)的生产(chǎn)成本，这无(wú)疑会驱动内容(róng)产(chǎn)业的大爆发。

除了AI绘图、视频(pín)，AIGC技(jì)术还能应用于音乐、代码、机器(qì)人动(dòng)作等多(duō)种内(nèi)容(róng)形式的生成。不难发现该项(xiàng)技术不(bù)仅在游戏等(děng)行(xíng)业能得到有(yǒu)效(xiào)应用，对于下一代互联网各(gè)种(zhǒng)元素(sù)的构建亦有关键意义(yì)。

从商业化的角度来看(kàn)，文化娱乐、教(jiào)育、传媒等诸多领域，本身就(jiù)对基于AI的可视化内容有强烈需求。

因此，AI绘画及视(shì)频(pín)或不是结果，而只是AI进程中的一块重要拼图，有望在技术更新的(de)加持下实现(xiàn)更大的应(yīng)用价(jià)值。

AI从理(lǐ)解(jiě)内容，走向了可(kě)以生(shēng)成(chéng)内容，甚至能够创造出独立价值和独(dú)立视角的内容。AIGC的(de)再次出圈，更代表着未来的先进生产(chǎn)力即(jí)将(jiāng)到来。

04

紧抓大模型与算力，牢固AIGC底(dǐ)座

从技术(shù)的发(fā)展也可以看出，在语(yǔ)言(yán)大模(mó)型、图像大模型之后，多模态(tài)大(dà)模型已经成为了新的趋势。

大(dà)模型被(bèi)誉为当(dāng)前人工智能发展的智能(néng)底座，是全球竞争最激烈的研究方向之一，包括(kuò)谷歌(gē)、亚马逊、百度、阿里、腾(téng)讯等众多头(tóu)部企业(yè)都(dōu)在竞相发力。

不过训练大模型的确(què)价(jià)格(gé)不(bù)菲，以(yǐ)国盛证券(quàn)发布的《ChatGPT需要多少算(suàn)力》报告估算，GPT-3训(xùn)练一次的(de)成本约(yuē)为140万(wàn)美元(yuán)。而对于一些更大的LLM(大(dà)型语言再续前缘的意思是什么，再续前缘的意思可以形容好朋友吗模型)，训练成本则(zé)介于200万美元至1200万(wàn)美(měi)元(yuán)高(gāo)价之间。

以ChatGPT在2023年1月的独立访客(kè)平均数1300万计算，其对应芯片(piàn)需求为3万(wàn)多片英伟达A100 GPU，初(chū)始(shǐ)投(tóu)入成本约为(wèi)8亿美元，每日仅电费就在5万美元左右。

此外不(bù)论是ChatGPT还(hái)是AIGC，都离不开庞大算(suàn)力(lì)支持。在关(guān)注各类大模型的发(fā)展同(tóng)时，更应该关注算力(lì)网(wǎng)络(luò)的建设。

算力网络正驱动AI产(chǎn)业发展进入史诗级加速进程(chéng)，让AIGC及通用AI这一人工智能发展的终极目标离得更近。

因为算力可以对突破性(xìng)技术创新(xīn)提供大力的支持(chí)。这方(fāng)面，多模态大模型(xíng)是典型。作为面(miàn)向未来强人工(gōng)智能(néng)、通用人工智能的重要(yào)技术(shù)创新(xīn)，多模态大模型(xíng)已经在人(rén)工智能领域提(tí)出了很多年(nián)，业界也有不少技术突(tū)破，但是，多模态大模型(xíng)进一步往下(xià)走，算力需(xū)求呈几何式上升(shēng)，一(yī)般的算力(lì)基础设(shè)施很快将(jiāng)难以(yǐ)胜任。

从图(tú)像、文字、语音单独一项的(de)训(xùn)练(liàn)，到(dào)双模态(tài)、三模态的跃迁，让人工智能(néng)可(kě)以灵(líng)活应对不同模态的转化、像人(rén)与世界交互一样(yàng)自然，这(zhè)方面(miàn)，由算力网(wǎng)络来驱(qū)动将有明显(xiǎn)优势。

此(cǐ)外，还有很多需(xū)要爆发式(shì)增长的算力来支撑的技术创新，将(jiāng)在人(rén)工智能算力网络(luò)支撑下(xià)快速推进。

AIGC已经露出曙光，期待在大模型和(hé)大算力的(de)支持下AIGC能持(chí)续颠覆内容(róng)生(shēng)产的方式(shì)，将创造的边际(jì)成(chéng)本降低，让万众受益。

未经允许不得转载：橘子百科-橘子都知道 再续前缘的意思是什么，再续前缘的意思可以形容好朋友吗