實話講，AI繪畫的新功能讓我有點焦慮
(本文圖片大多由stable-diffusion生成)
去年10月，我寫了一篇《AI繪畫真的在影響內容創意行業|十一漫談》。當時，AI繪畫雖然驚艷，但是在實用時仍面臨問題，比如畫手非常奇怪、缺乏真實性、可控性不足、上手門檻高。
然而在最近幾個月，AI繪畫進步實在太快了。秒出線稿、上色補完、風格學習、手部骨骼、真人換裝......真不知道幾個月后能走到哪一步。雖然感覺離失業不遠了，但這就像是一個新玩具，玩起來樂此不疲，在這里想分享一些我認為有前景的AI繪畫功能和實用方向。如果有興趣，歡迎后臺私信交流。
Part1「算力有盡，模型無窮」
自從stable-diffusion算法開源之后，浩浩蕩蕩的群眾就加入了“煉丹”大軍，想要的模型還沒有，就自己造。一時間云端算力漲價了，不少學生黨表示想哭。
只能說氪金就是猛，隨著大量網友參與“煉丹”，基礎大模型展開了不少分支，基于亞洲人臉為代表的大模型Chilloutmix更是引發了關于真實人物繪圖道德倫理的熱議。
網友們做的多種模型封面我也嘗試了多各種模型，以網友@xiaolxl 在civitai上分享的國風3模型為例，通過這一模型，可以繪制出更有中國華麗古風風格的圖片、古風游戲角色，并具有2.5D的質感。
模型參考圖跑了一堆之后精挑細選一張放過來。
相較于我在上一期產出的圖片，可以明顯看出質量的上升，甚至說在畫質修復提升后，商用都不夸張。當然除了我熟練度的微小提升之外，主要是大模型打的底非常好。而很多模型的塑造，在目前看只是時間和素材量的問題。聽說不少游戲公司已經開始試用這個方法出圖了，省下很多成本。
如果說大模型是創作的基礎，定義了產出圖片范圍以及風格，那lora則是在大模型下的濾鏡。相較動輒10個G的大模型，幾百M的LORA則更為靈巧。
LORA，即Low-Rank Adaptation of Large Language Models，直譯為大語言模型的低階適應。重點是對大模型，進行一些微調，更側重生成更具有專屬風格、細節的圖片。其依托大模型存在，訓練所需的圖片/算力量均相對較小。今年2月，一組來自@勘云工造的照片，在網上掀起了不少波瀾，作者更是得到了各路頂級畫師、模型師、制作人、coser的關注，無他，太真實了。肉眼難以辨識的相似，甚至被某些網站直接拿去做了廣告圖片。
隨之而來的是賽博coser正式走上舞臺，在小紅書等社交平臺上，以ai圖為賣點的自媒體賬號也肆意生長，成為了一個新的內容方向。其實我也考慮過要不要做一個，但是想到變現比較困難就暫時放棄了。此外，通過定制化的小模型或者補丁，生成特定風格的圖片，則更加實用。
比如下方例圖，是用CharTurnerBeta - Lora ，來生成的三視圖。
以及AI模特換裝，甚至有的只用給人偶拍照，就能替換生成，相信電商平臺提供類似服務也是遲早的，淘寶模特的需求，危啊。
（B站上的一個教程，方法還有很多）
Part2「創造新方式，和AI交流」
人與機器的溝通，一定要通過文字嗎？是否可以有一種其他語言？
在目前的習慣中，我們通常通過輸入文本prompt來控制AI的輸出，然而這一行為并不完美。雖然文本符合人類交流習慣，但是同一文本在不同語境有多種應對，也因此衍生出了更廣闊的釋義空間，比如魚香肉絲到底對應一道菜，還是有絲狀鱗片的魚。（這不是玩笑，而是溝通方式導致的現狀，文生圖背后需要大量的標注先行，耗時耗力。當然，這只是個時間問題）一位網友在和我閑聊時，提出了一個說法，畫圖時要有“窮舉”的精神，然而這可太不智能了。
因此，研究人員也試圖找到一些其他方式，來與AI溝通。2月初，斯坦福大學Lvmin Zhang and Maneesh 的論文《Adding Conditional Control to Text-to-ImageDiffusion Models》提出了一些方法和可能性。并且已經得到了開源和實際應用。
方式一：openpose 動作姿態定制
首先可以選擇一張圖片，提取人物的關鍵肢體形態。
在這一步驟中，我們可以調整它的關聯骨架形態。隨后，添加關鍵詞，生成了一張新圖片。從面部朝向，腿部肢體動作上看，可控性非常強。
方式二：canny 邊緣檢測提取輪廓
通過邊緣檢測，根據已有圖片提取線稿，如有需要還可配合AI繪圖功能重新上色生成圖片。這在游戲原畫、室內裝潢設計等等各個領域都將大放異彩。
除此之外，還有segmentation、deph等方式，可以提取材質、距離景深等要素，以便于生成新的圖片，在這里就不一一列舉了。
總的來說，ai繪畫有太多可能性了。每天都有新變化，新應用，這篇文章可能發布沒多久就會過時。但可以預見的是，在幾年內，大量的辦公室輕工作將被替代，生活將被重構，所有人都在浪潮之中。這場人文社科領域的工業革命，還遠未來到高潮。
以上，是本期的主要內容，后續還會不定期更新行業進展，以及一期AI繪畫在廣告行業的實用指南，敬請期待。
轉載請在文章開頭和結尾顯眼處標注：作者、出處和鏈接。不按規范轉載侵權必究。
未經授權嚴禁轉載，授權事宜請聯系作者本人，侵權必究。
本文禁止轉載，侵權必究。
授權事宜請至數英微信公眾號(ID: digitaling) 后臺授權，侵權必究。
評論
評論
推薦評論
全部評論（1條）