蜜桃av色欲a片精品一区,麻豆aⅴ精品无码一区二区,亚洲人成网站在线播放影院在线,亚洲 素人 字幕 在线 最新

  谷歌微軟爭相研究AI繪畫：機器想象力逼近人類，可十秒作畫

發(fā)布日期：2022/6/2 10:16:24      瀏覽量：

——"一片向日葵花海在星空下閃爍。"

本來只是在有限的想象力之內(nèi)挑了梵高的兩幅名畫加以簡單概括，結(jié)果AI吞掉這句描述后，居然就吐出了一張張極富沖擊力的圖像：

圖源：Simon_阿文 微博

沒有參考圖像，也并非簡單的兩幅圖像的拼接融合，而是真正基于文字描述，在充分的想象力下，從無到有地進行了繪畫創(chuàng)作。

而就在不到一年的時間內(nèi)，這樣的AI畫手開始井噴式地出現(xiàn)——

近期在海內(nèi)外爆火的免費AI作畫工具Disco Diffusion，輸入簡單的文字描述就能在線生成圖像，其畫面之精細，想象力之超絕讓不少人直呼“AI比我都浪漫”.

一度登上蘋果應用商店的圖形與設計排行榜榜首的Wombo，只要下載App，上傳圖片或輸入關鍵詞，再選擇平臺給予的風格，幾秒之后就能生成圖片，其超絕的想象力被無數(shù)用戶玩出了花：

圖源：網(wǎng)絡

還有通過聊天出畫的Midjourney，用戶進入聊天軟件Discord，并被邀請到相應的小組中后，就能像是真的與畫手隔著網(wǎng)線交流一樣，說出自己的需求，而AI也會在群中實時更新的繪畫進度：

圖源：網(wǎng)絡

OpenAI上個月剛剛推出的Dall-E2，其生成結(jié)果的精準度、對人物的識別能力震驚了整個技術圈，甚至都有讀者用這一AI出了一整本畫集，整整1000張圖片：

圖源：作者個人主頁

更不用說谷歌新鮮出爐的Imagen，不管多長，多具體，多不符合現(xiàn)實邏輯的離奇描述詞，都可以精準地從文字生成真實準確的圖像：

圖源：谷歌官網(wǎng)

驚人的技術迭代速度、破圈式的熱度、震驚了繪畫圈的色彩、構(gòu)圖、想象力和創(chuàng)作力，似乎都在表示，這些AI畫手們，正在逐漸在繪畫領域中掌握”畫語權“。

對此，有人歡欣鼓舞，認為技術的革新將為藝術領域帶來全新的思考方式和改變，有人惶惶不安，擔憂來勢洶洶的AI畫手將摧毀一大批中低端繪畫崗位，甚至有人怒斥AI將藝術變?yōu)榱藛渭兊臄?shù)據(jù)游戲，使得繪畫失去了意義和靈魂......

議論連續(xù)不斷，熱度居高不下，AI繪畫這一名詞開始逐漸出圈，在谷歌的關鍵詞搜索趨勢中，AI painting的搜索熱度自去年下半旬就開始逐漸高漲，到現(xiàn)在已經(jīng)達到了一個新的高峰：

熱議之下，已經(jīng)有這樣的聲音出現(xiàn)：

AI繪畫，元年已至。

AI繪畫，千變?nèi)f化

且先不論這一發(fā)言是否正確，所謂的AI畫作，到底是嚴格按照代碼邏輯運行，風格單一的產(chǎn)物，是AI的隨機拼接游戲，抑或是真能如人類畫手一般依照主題構(gòu)想畫作？

AI們都畫了什么，它們又能畫多少？

AI畫手的第一批體驗者們，當時就抱有著這樣的疑惑。PPT設計師阿文就是其中之一。

今年4月份時，他偶然看到一個畫手朋友在微博展示了一組AI作畫的作品，效果驚人，朋友作為專業(yè)畫手也給予了很高的評價，他便也對這個叫做Disco Diffusion的工具起了興趣。

這是一款基于谷歌的技術框架開發(fā)的AI作畫工具，部署在谷歌Colab（一個可以通過瀏覽器編寫和執(zhí)行代碼的線上托管平臺）上，訓練畫作所需的算力也由谷歌免費提供，而只需要修改代碼中的一個部分的文字描述，就能生成畫作：

文字描述擁有畫種描述、內(nèi)容描述、畫家描述、參考渲染方式、顏色描述五個維度，用戶不用修改代碼，而是只要從這幾個方面進行調(diào)整和修改，就可以生成圖像。

不過，鑒于是初玩，阿文只謹慎地修改了默認文本中的兩個關鍵詞：A beautiful painting of astarry night（原singular lighthouse）, shining its light across asunflower sea（原tumultuous sea）by greg rutkowski and thomas kinkade, Trending on artstation.” "yellow color scheme“，也就是將默認的”一座在驚濤駭浪中閃耀的奇異燈塔”改成了“一片在星空下閃耀的向日葵花?！?。

這是一張超乎了阿文想象的畫作，色彩、構(gòu)圖都擁有超絕的美感和想象力。

而Disco Diffusion本身可以根據(jù)一句描述產(chǎn)出多張不同的圖片，于是，阿文在無比期待中，迎來了掛機渲染之后的另外幾幅作品：

圖源：Simon_阿文 微博

簡單的文字描述外加一點點天賜般的運氣，誕生了數(shù)張色彩構(gòu)圖豐富大膽，如同夢境般的畫作，最終一舉出圈，在微博超過兩萬人轉(zhuǎn)發(fā)，并紛紛表示震驚“給跪”。

也因此，大批用戶紛紛涌入，開啟了腦洞大開的AI花式作畫。

有將參考畫師改為吳冠中，直接得到一張水墨畫：

圖源：網(wǎng)絡

還有應用了虛幻引擎風格，生成的仿佛游戲頁面一樣的畫作：

圖源：網(wǎng)絡

當然，偶爾也會有人喂出了一些有些詭異的圖片：

圖源：推特Mike Franchina

在那之后，阿文也試用了另一款叫做Midjourney的工具，同樣是“星空下的向日葵海“的描述，不過這次的生成結(jié)果則恰如其分地落在了他的想象力內(nèi)：

y

圖源：Simon_阿文 微博

“就像是一個聽話版的Disco Diffusion?！卑⑽男Φ馈?

在嘗試多次后，他覺得Midjourney的想象力是比不上Disco Diffusion的，但好處是速度夠快，五分鐘就能成圖，而且不至于像Disco Diffusion那樣，有搶奪創(chuàng)作主導權的“野心”，是更適合藝術創(chuàng)作者的輔助工具。

還有更多像阿文這樣的藝術創(chuàng)作者，走上了探索AI繪畫工具的道路，并開始逐步挖掘各自的潛力。

比如主陣地是移動端的Dream，它的整體作畫風格更偏向于夢幻柔和：

圖源：網(wǎng)絡

而諸如DALL·E2、Imagen之類的畫手，則是在如何更準確地理解文字描述、更好地組合繪畫風格，最后生成更精確而言之有物的事物和人物的方向努力。

當然，除了這些從無到有的“高端創(chuàng)作者”，近幾年也火過一批更加親民的AI畫手們。

比如在去年一度火爆外網(wǎng)AnimeGAN，可以實時地將人像轉(zhuǎn)為漫畫模樣，也是在線部署，火到要排隊幾個小時才能玩到：

去年在日推被瘋轉(zhuǎn)的AI，簡陋的草圖一經(jīng)它手就會變成精致可愛的二次元萌妹：

還有可以任意推斷兩張人物圖像的子世代長相的Artbreeder，不僅幾秒就能出圖，還可以通過超多參數(shù)微調(diào)產(chǎn)出人物的長相：

圖源：網(wǎng)絡

再出圈一點，抖音、微信或QQ中的將人物照片轉(zhuǎn)變?yōu)槠渌L格的AI濾鏡，也能被算進AI作畫的范疇里。

這樣看來，AI畫手們作畫內(nèi)容的范圍覆蓋之廣，比起一些人類畫手也是不遑多讓。

其屢屢出圈的熱度，更證明了在普通觀眾眼中，AI的畫作們有著足夠的沖擊力和觀賞價值。

從圖像合成到“拿起畫筆”

接下來，讓我們換一個角度來看AI繪畫。

一張成品畫作由什么組成？在現(xiàn)實中是紙張和各種材料制成的筆墨水彩，而儲存在電子設備中的一張圖像，本質(zhì)上則是一個像素點矩陣，每個都由 RGB（Red、Green、Blue）三個顏色通道組成。

圖源：網(wǎng)絡

因此，AI繪畫也就相當于一個可以逐漸產(chǎn)生像素，進行圖像生成的計算機模型。

模型是人工智能中的一個概念，我們可以將其通俗地理解為一種從輸入到輸出的函數(shù)。

要讓這個函數(shù)輸出我們期待的像素點矩陣，首先需要賦予它很多“參數(shù)”，相當于函數(shù)中的變量，這些變量涉及繪畫中每一筆的位置、形狀、顏色，甚至是覆蓋關系、筆觸組合等多個屬性。

有了這樣一個擁有龐大“變量”的“函數(shù)”，還要再基于海量的已有圖像進行訓練，也就是找到效果最好，最合適的一組參數(shù)的過程。

而這樣一個繪畫模型所需的參數(shù)量和訓練數(shù)據(jù)集非常龐大，不僅如此，也很難讓計算機去理解“創(chuàng)作”這種比較抽象的概念。

因此，誕生之初的AI作畫，說是依照邏輯執(zhí)行任務也并無不妥。

轉(zhuǎn)機則發(fā)生在2014年。

這一年，一位名叫Ian Goodfellow的AI從業(yè)者發(fā)明了一種叫做對抗生成網(wǎng)絡（Generative Adversarial Network，簡稱GAN）的算法，徹底改變了圖像領域。

圖源：論文

對抗生成網(wǎng)絡主要包含兩個結(jié)構(gòu)，一個是生成器（Generator），一個是判別器（Discriminator），而其核心思想則是“對抗博弈”，我們可以感性地將其理解為“道高一尺，魔高一丈”。

什么意思？生成器的主要任務是生成盡可能真實的圖像，而判別器則負責辨別眼前的圖像到底是有機器生成的，還是來源于真實世界的圖片，這樣，生成器在圖片生成的過程中“造假”技術變得越來越強，而判別器的“打假“技術也將越來越精湛，在這雙方的對抗博弈之中，最終產(chǎn)出的圖片也將越來越真實。

對抗生成網(wǎng)絡提出的兩年內(nèi)，圖像生成任務有了大跨步的發(fā)展，一些有趣的應用，如老照片修復、換臉、素描上色，更是如雨后春筍一般應運而生。

我們上面所提到的Artbreeder、草圖生成頭像等從已有圖片合成新圖片的應用，也是在此之后開始有了萌芽。

而在2016年，Scott Reed等AI研究者又首次提出了基于GAN的文本生成圖像（Text to Image）。

圖源：論文

就像人類擁有五感一樣，AI也有自己聽覺和視覺，也就是AI研究者們劃分出來的計算機視覺（Computer Vision，簡稱CV）、自然語言處理（Natural Language Processing，簡稱NLP）、語音識別（Automatic Speech Recognition，簡稱ASR）等研究領域。

而文本生成圖像，則是將計算機視覺的自然語言處理兩種領域連接了起來，也被稱為多模態(tài)學習（MultiModal Learning），可以說，這種技術是今天AI繪畫的重要基礎。

但要讓AI學會”通感“，難度也可想而知，一開始，AI只能在受限的數(shù)據(jù)集內(nèi)取得成果，得到的分辨率也不高，同時，AI也受限于機器對于人類自然語言的理解，因此，文本生成圖像的
進展并不迅速。

直到2021年1月5日，DALL·E模型橫空出世。

圖源：OpenAI官網(wǎng)

模型的出生地，OpenAI實驗室是全世界最著名的AI實驗室之一，2015年底成立，同為特斯拉、SpaceX，以及推特等多家公司掌權人的AI產(chǎn)業(yè)界頂流馬斯克，就是這家實驗室的創(chuàng)始人之一。

而模型的名字DALL·E取自超現(xiàn)實主義藝術家薩爾瓦多·達利（Salvador Dali）和皮克斯機器人WALL-E，可以從文字說明直接生成圖像。

DALL·E對圖像生成領域投下了一記重磅炸彈，圈內(nèi)諸多大佬轉(zhuǎn)發(fā)點贊，其本身更是被稱為2021年第一個令人興奮的AI技術突破，甚至被譽為幾乎實現(xiàn)了類人智力的模型。

究其原因，則是因為它在文本生成圖像上的驚人表現(xiàn)。

基于同在OpenAI開發(fā)的模型，也就是擁有1750億的巨量參數(shù)，截至現(xiàn)在仍是業(yè)界公認最強的語言模型GPT-3，DALL·E在語言理解上的能力有了一個驚人的提升——

能夠創(chuàng)建擬人化（即類人）的動物和對象：

圖源：OpenAI官網(wǎng) 穿著芭蕾裙遛狗的小白蘿卜插畫

能將某些對象或概念合并至單個圖像中：

圖源：OpenAI官網(wǎng) 由豎琴制成的蝸牛，帶有豎琴紋理的蝸牛

還能補全圖像的缺失部分、控制場景的視點和渲染場景的3D樣式、將某個對象的內(nèi)部和外部結(jié)構(gòu)全部都”想象出來“。

其實，OpenAI同天還推出了一款叫做CLIP的技術框架，這一款能將文本與圖像聯(lián)系起來的特殊的”圖像識別“，與一般的通過自行車、蘋果等確定單詞識別圖像不同，它是通過一段文字描述來識別圖像的。

圖源：OpenAI官網(wǎng)

以這兩款技術的誕生為標志性事件，語言理解和圖像生成任務多年來的技術積累，以”AI作畫“為載體，開始集中爆發(fā)。

2012年底，基于類別引導的擴散模型（Guided Diffusion）出現(xiàn)，再結(jié)合CLIP，一并組成了上文中提到的火爆全網(wǎng)的Disco Diffusion背后的核心技術。

準確地說，Disco Diffusion會先通過圖像擴散模型（Diffusion Model），對現(xiàn)有的生成圖像進行一次又一次的”去噪“，也就是減少圖像生成中的干擾部分，使其變得越來越清晰的一個過程，反復進行這個過程就被稱為”迭代“。

而在每次迭代時，CLIP則負責利用其圖像識別技術，依據(jù)文本提示對現(xiàn)有的圖像擴散模型進行評估，并為其提供下次迭代的”方向“，這樣，生成的圖像也就會和文本提示的匹配度越來越高，圖像的精細度也會逐漸增加。

就這樣，CLIP負責從文本特征映射到圖像特征，然后指導一個生成對抗網(wǎng)絡或擴散模型生成圖像，自此之后就成為了文本生成圖像的一種基本”套路“。

這還沒完，今年4月份，OpenAI對DALL·E做了升級，推出了更高分辨率、更低延遲的DALL·E-2：

圖源：OpenAI官網(wǎng)

這一技術架構(gòu)已經(jīng)脫離了簡單的素材拼接，而是確實理解了許多抽象概念——比如空間、光照，甚至是對現(xiàn)實中不存在的圖像的想象：

圖源：OpenAI官網(wǎng) 宇航員在太空中騎著一匹馬

但文本到圖像領域的SOTA（State Of The Art，指在特定任務中目前表現(xiàn)最好的方法或模型）才被OpenAI保留了一個月，谷歌就站了出來——

5月24日，谷歌大腦研究團隊推出了Imagen模型，使得機器的想象力又到達了一個新的高度。

在論文中，Imagen與其他圖像生成模型都在目前最有影響力的計算機視覺數(shù)據(jù)集之一的COCO上進行測試，與DALL·E，DALL·E2，GLIDE等同領域模型對比，Imagen生成的圖像與真實圖像的差別是最小的。

隨著一個又一個革命性的技術框架出現(xiàn)，一個又一個具有影響力的科研團隊進入賽道，AI作畫開始從粗糙走向?qū)I(yè)。

從AI的隨機組合游戲，到理解文本描述開始”想象“，AI是真的一步一步拿起了畫筆。

人類一敗涂地？

"我認為今年就是AI繪畫元年。"

PPT設計師阿文這樣表示。

數(shù)量井噴，技術迭代速度極快的AI繪畫工具，不僅熱度出圈，身邊的藝術設計、繪畫等領域的很多專業(yè)畫手們也紛紛給予了非常積極和正面的評價。

尤其是其所展現(xiàn)的“想象力”，幾乎是將手伸到了人類認為只有自己才能做到的領域，背靠網(wǎng)絡上現(xiàn)存的所有圖像庫，再加上驚人的識別能力和融合速度，AI總是能在極短的時間內(nèi)產(chǎn)出各種匪夷所思的繪畫思路和結(jié)果。

于是，這樣一個觀點逐漸在焦慮中成為了一種主流：

AI畫手會不會代替掉一些中低端畫手？

對于這個問題，阿文給出了否定的回答：

”即使是現(xiàn)在大熱的Disco Diffusion和DALLE·E，也沒有投入到生產(chǎn)項目當中，因此最多接觸到這些工具的人群，依然還是圈內(nèi)的設計師們，所做的也都是前沿的嘗試，還沒有到產(chǎn)品商業(yè)化的地步?！?

而且更重要的一點是，現(xiàn)在的AI畫手對于真正的甲方來說，還不夠”聽話“。

比如，就當下的AI繪畫來說，“關鍵詞”極其重要，如何編寫結(jié)構(gòu)合理，語句優(yōu)美的英文描述句，以便于AI充分識別和理解，這是出畫的核心。

對關鍵詞的極高要求，使得AI作畫并不能像很多人類畫手那樣”指哪打哪“，尤其是在面對一些莫測難尋的甲方需求時，就顯得更呆了。

并且，關鍵詞稍有不慎，人工智能就可能不再智能。

比如像這張畫，將動畫大師”宮崎駿“加入描述詞后，AI直接將老人家的頭像生硬拼湊到了畫面中：

圖源：網(wǎng)絡

這也是AI繪畫廣為人詬病的另一點：在具象內(nèi)容，尤其是人物生成上的能力偏弱。

看似沖擊力十足卻缺乏邏輯和細節(jié)的畫面，沒有哦內(nèi)核的概念拼湊......還有更多問題，都使得AI作畫不可能百分之百地展現(xiàn)完美的效果。

圖源：網(wǎng)絡 wombo生成的沒有意義的色塊拼接

因此，至少對現(xiàn)在的AI繪畫工具來說，人類畫手后期的調(diào)整和加工必不可少。

并且，技術較為前沿，且需要一定藝術知識的AI作畫工具，最先接觸與最熟悉的第一批用戶，一定也都是畫手和設計師，即產(chǎn)業(yè)中的乙方。而且越到后期，AI工具就越需要關鍵詞輸入之外的更多知識，比如具體到代碼層面的參數(shù)調(diào)整。因此，即使是走到了產(chǎn)業(yè)化的一步，甲方首先接觸到的，也更有可能是”會使用AI的乙方“，而并非AI本身。

作為”會使用AI的乙方“的阿文，還提出了另一種觀點：

AI繪畫的出現(xiàn)，反倒會讓很多畫手有了新的契機，能夠借助AI工具成為高端畫師。

畫工、想象力、底圖、靈感......諸多不足都可以由AI繪畫工具來補足，只要在這些圖的基礎上進行二次創(chuàng)作，就很有可能夠到更高的門檻。

阿文現(xiàn)在就在努力將AI繪畫工具納入自己的工作流程中，比如他在微博就展示過這么一個例子：首先用Disco Diffusion生成相應的紋理，然后再到三維建模工具blender里貼圖，最后再搭場景

至于版權問題，阿文表示，AI作畫工具在使用時，確實有通過描述詞進行了“畫風抄襲”的可能性，因此他建議，盡量使用已經(jīng)過世的藝術家的風格，如果使用了某位風格鮮明的當代藝術家作為關鍵詞，或者使用了某部商業(yè)作品作為參考畫作時，還是盡量避免商用。

不過他也提到，比如Disco Diffusion并不是所謂的描圖、素材拼接或組裝，而是依據(jù)技術框架對圖像進行了規(guī)律和技法的提煉，然后再進行模仿，所以“畫風抄襲”的風險不是很大。

另外，Disco Diffusion現(xiàn)在的所有代碼已經(jīng)開源，且遵循MIT開源協(xié)議，也就是別人可以進行閉源修改代碼，且無須經(jīng)過版權說明，就能復制甚至銷售衍生的產(chǎn)物：

圖源：阮一峰博客

至于一些二次元頭像生成器，阿文則開玩笑地表示“技術不到家，抄得還不夠像”，因此甚至都到不了“畫風抄襲”的地步。

AI殺死了繪畫的意義？

然而，上述解答依舊不能讓所有人安下心來。

在更深層次的思考中，有人擔心AI是否會殺死繪畫的意義，就像當年的攝影技術之于寫實繪畫，或者像今天的AI之于圍棋。

攝影技術誕生于兩百年之前，一經(jīng)應用便迅速取代了繪畫的記錄留影功能，一度使得諸多傳統(tǒng)畫家認為繪畫將在攝影技術下的逼迫下逐漸消亡。

而AI進入圍棋則始于2014年的AlphaGo，在人工智能那幾乎是無法超越的計算能力下，多國的圍棋黑馬和明宿皆被一一斬于馬下。

“但是攝影之于繪畫藝術，其實并沒有嚴重到‘摧毀’的地步。”

阿文解釋道。

當時的繪畫看似在攝影的“逼迫”下失去了其實用價值，轉(zhuǎn)為了純粹的藝術領域，但實際上，攝影在視覺經(jīng)驗上的真實性，使得很多畫家開始更多地關注繪畫本身的特質(zhì)，試圖以繪畫對現(xiàn)實乃至精神世界進行更豐富的演繹，后印象派、野獸派等新興流派就是因此得而誕生。

而到了今天，攝影不僅有最實用的記錄功能，自身也是一門獨立的藝術學科，有著構(gòu)圖和色彩領域的只是體系；而繪畫在藝術性不失的同時，留影功能也開始逐漸復蘇，甚至因為其獨特的筆觸帶來了更多美的享受。

而類比到AI繪畫上來也一樣，這無疑是對于現(xiàn)在繪畫的一種沖擊，但新老技術之間并非你死我活的競爭關系，而是相互融合，共同進化發(fā)展的一種趨勢。

那么AI圍棋的到來呢？

柯潔曾評價AI時代的圍棋為“無聊透頂，使人類棋手喪失了存在的意義”，在諸多的AI大戰(zhàn)人類棋手，AI預測圍棋勝率的事件中，已經(jīng)有觀眾開始對這種戲碼失去興趣：

圖源：網(wǎng)絡

因此，有不少人便也覺得，AI繪畫會像AI圍棋一樣，逐步殺死繪畫的意義。

一位畫師在談論這一話題時，表達了如下觀點：

“我覺得藝術創(chuàng)作很多時候是基于藝術家較獨一無二的性格、境遇、或者一閃而過的某種激情，是為了抒發(fā)自我，表達內(nèi)心的感情而存在的。但AI只是基于圖像庫去分析并重組，并沒有任何目的和情緒，所以實在難以稱得上是‘具有靈魂’。”

但具有靈魂，產(chǎn)生共鳴，一定是要了解作者背后的情緒嗎？

阿文舉了一個這樣的例子：當你走進一個美術館，看到一幅畫，然后被打動了，很多時候你可能不知道背后的作者是誰，要抒發(fā)什么樣的感情，但有些畫作就是能在觀眾看見的瞬間，便與其產(chǎn)生共鳴，而觀眾能產(chǎn)生這樣的感受，這幅畫作就是有意義的。

而當我們再回過頭，去看那張出圈的“星空下的向日葵?！?，到這里，我們已經(jīng)完全知道了這幅畫作創(chuàng)作的全過程，及其中的技術細節(jié)，也知道AI在創(chuàng)作這幅畫的時候是不具有任何，或者說類似人類畫家那樣的情緒。

但翻開這幅作品的評論和轉(zhuǎn)發(fā)，即使知道這是AI，依然覺得“充滿意境”“浪漫無比”“有被感動到”的評論數(shù)不勝數(shù)。

“就像是AI在賽博朋克時代夢到了梵高?！?

AI繪畫背后的技術仍在快速迭代，產(chǎn)出的畫作越來越多，而關于其產(chǎn)出作品有無意義的爭論，在可預見的未來仍將繼續(xù)。

AI繪畫的終點是什么？是成為人類畫手最完美的繪畫輔助者，還是一步一步補足其邏輯性、想象力、創(chuàng)造力，成為一名真正可以與人類并肩的畫手？

我們現(xiàn)在也只能站在星空下的向日葵海中，靜靜等待那個答案的到來了。

采寫：南都見習記者楊博雯