ControlNet颠覆AI绘(huì)画新玩法

AIGC向可控靠近

以AI绘画为代表的AIGC上一(yī)次爆火(huǒ)的时候(hòu)，还是2022年(nián)8月(yuè)，在美国科罗拉多州举办的新(xīn)兴(xīng)数(shù)字艺术家竞赛中，一幅名为《太空歌(gē)剧院(yuàn)》的作(zuò)品获(huò)奖。

随后各(gè)大(dà)厂商的AI绘(huì)画软件被广(guǎng)大网友熟知并体验，Stable Diffusion便(biàn)是其中代表。

用户们可以在应用(yòng)中输入一组关键词或者一张照片，就能获得一幅AI创作的画作。

作(zuò)画的关(guān)键(jiàn)就是(shì)所输入的(de)文本。同一组关(guān)键词也可以创作出很多(duō)张风(fēng)格不一样的画作，这让创(chuàng)作的过程就像开盲盒。

很多用(yòng)户(hù)很喜欢这种不(bù)确定的(de)惊喜，他们会将(jiāng)生成的美图当(dāng)做(zuò)头像(xiàng)。而另(lìng)一部分喜欢翻看(kàn)AI绘画的“翻车”作品。在社交(jiāo)媒体上，许多(duō)用户分(fēn)享AI“翻(fān)车现场”，例如，一位(wèi)网友的小狗照片被AI画成(chéng)了“肌肉男”，还有网友的个人照片被AI识别成了建筑。

而(ér)如今随(suí)着ControlNet的出现与加(jiā)持，以往AI绘画的填写关键词游戏可(kě)能要(yào)被颠覆了(le)。

ControlNet是一(yī)位正在斯坦(tǎn)福读博的中国人(rén)张吕敏创作的(de)一种基(jī)于控(kòng)制点的图像(xiàng)变形算法，主要用(yòng)于(yú)数字图像处理、计算机视(shì)觉和计(jì)算机图形学等领域。

其SD插件一经(jīng)发布(bù)，在短短(duǎn)的两(liǎng)天内便成为了AI绘(huì)画领域最新(xīn)的热(rè)点。

在此之前，大家用了很多方法想让AI生成的结果尽可能的(de)符(fú)合要求，但是都不尽如(rú)人意，它(tā)的出现代表(biǎo)着AI生(shēng)成开(kāi)始进入真(zhēn)正(zhèng)的(de)可控时期。

因为ControlNet可(kě)以直接提取画面的构图，人(rén)物的姿势和(hé)画面(miàn)的深度信息(xī)等(děng)。有了它的(de)帮助，就(jiù)不用频繁的用提示词来碰运气，抽盲盒式的创作了(le)。

通(tōng)俗的(de)说ControlNet相当(dāng)于(yú)给AI绘画加了“魔法”，不少(shǎo)博(bó)主的(de)作品(pǐn)已经获得了(le)大(dà)量的浏览量，“viggo”就是其中之(zhī)一，他用朋友的照片直接(jiē)带她们(men)走进动漫世界。

viggo先用StableDiffusion图片(piàn)转文字。

再用(yòng)Text2Prompt插件拓(tuò)展找到(dào)对应的关(guān)键词(cí)；最后用(yòng)ControlNet插件绑定骨骼(gé)开(kāi)始换关键词试效果。

通过图片(piàn)就可以(yǐ)看出来，效果十分惊艳。

更厉害(hài)的是(shì)，除了真实的照片，草图(tú)也可以加(jiā)上“魔法”，知(zhī)乎大(dà)牛“DevPoint”和“逗砂”介绍(shào)到ControlNet还能实现线稿转全彩图。大神张吕(lǚ)敏(mǐn)其本尊也亲(qīn)自回应(yīng)。

不(bù)得不(bù)说当下AIGC已经(jīng)变得越来越强大，甚(shèn)至输(shū)出的作品都已(yǐ)经能以(yǐ)假乱真(zhēn)了。

02

难辨虚实，AIGC技术力(lì)爆(bào)发(fā)

警惕安全问(wèn)题

近(jìn)日，“苏(sū)州金(jīn)鸡湖有(yǒu)游艇party”的消息(xī)火遍网络，而(ér)经(jīng)过(guò)警方(fāng)辟谣(yáo)这(zhè)所(suǒ)谓的“party”可能是全国(guó)第一起(qǐ)AI绘图诈(zhà)骗(piàn)。

由于这个活(huó)动里面给出的(de)美女照片都是(shì)AI制(zhì)作的真人照片绘图，因为太逼真，被(bèi)大(dà)家当成真事(shì)传播了。

不过仔细(xì)观察可以(yǐ)发(fā)现，活动发起者提供(gōng)的(de)照片中有个(gè)很大的(de)漏洞可以发现并非真人(rén)，而是AI绘(huì)图(tú)，那便(biàn)是图片中女性的手指部分有(yǒu)的存在异(yì)常。

有行业人(rén)事表(biǎo)示：“现(xiàn)在因(yīn)为手(shǒu)指部分的绘画算法比较(jiào)复杂，AI还不太会画(huà)人(rén)的手，但最(zuì)新(xīn)看到的图片已经(jīng)有越来(lái)两个字的励志词语精选，两个字的励志词语有内涵,有深度越完美的AI模型出现，以后(hòu)可能就(jiù)完全没有漏洞了。”

类似(shì)的AI作图诈骗在国外也已有发生(shēng)。据英(yīng)国广播公司报道，土耳其地震期(qī)间，有Tiktok用(yòng)户使用AI合(hé)成了儿童受灾的假(jiǎ)照片(piàn)发(fā)布到网络(luò)，以(yǐ)此诱骗(piàn)善良(liáng)的人打赏“捐(juān)助”从而实施诈骗。

目前随(suí)着技(jì)术发展，AIGC已经能做出真人照片(piàn)般的绘图效果，如果这样(yàng)的图片被用来诈骗(piàn)，将非常可怕。

此外(wài)AIGC还引发了很多担忧，一(yī)方面，批判者(zhě)认为AI在“学习”了大量(liàng)前人的(de)作(zuò)品之(zhī)后，其创作没有任何(hé)情(qíng)绪和灵魂(hún)，难以和人类的艺术创作相提并论。

另一方(fāng)面(miàn)，AIGC背后的(de)版权、目前都并没有得到(dào)有效的解决(jué)，还有AIGC会(huì)不会代替人(rén)类“至高(gāo)无上(shàng)”的创意。

马斯克也强调，人工(gōng)智能的安全问题需要(yào)得到(dào)重(zhòng)视，太晚就来不及(jí)了(le)。

03

AIGC下一站除了视频，还有(yǒu)远方(fāng)

技(jì)术都是有(yǒu)两面性的，潜在的(de)危害并(bìng)不能掩盖其光辉的贡献。现在看来，人(rén)工智能技(jì)术将是第四次(cì)工业革(gé)命的核心驱动力(lì)量，将创造新(xīn)的增长奇迹。

过去一年，人工智能在(zài)技(jì)术和(hé)商(shāng)业层(céng)面都有了(le)巨(jù)大进(jìn)展，AI绘画就是人(rén)工智能技(jì)术发(fā)生方向性改变的一个代(dài)表。其(qí)下一站或许就是视频。

此前，Meta和谷(gǔ)歌(gē)先后发布了几条引爆(bào)科技(jì)圈的短视频。这些视频引发关(guān)注并非(fēi)内容(róng)做得多优(yōu)秀，反而都(dōu)非(fēi)常简单，比(bǐ)如一(yī)匹正在喝水的马，一只画画的玩具熊，或者一段骑摩托(tuō)车的第一视角(jiǎo)录(lù)像(xiàng)，随便一个有手机的人(rén)都(dōu)可(kě)以(yǐ)随(suí)手录下一段。

但这些(xiē)短视频的创作方式非常简单，创作者仅仅需(xū)要(yào)向AI输(shū)入一段话，甚至(zhì)只是说一下要求，AI就可以(yǐ)根据需要(yào)生成一段视频。

谷歌发布的(de)两个AI生成视频分(fēn)别来自于Imagen Video和Phenaki，前者主要突出的是(shì)高清，与Meta的Make-A-Video没有太多(duō)的差别。

在Make-A-Video公(gōng)布了AI生成的(de)视频后，AI圈就已(yǐ)经玩了一波梗，一个能(néng)够做出更高清视频的AI还不(bù)足以(yǐ)在短时(shí)间(jiān)内(nèi)戳中兴奋(fèn)点。

Phenaki更加令人震惊的地方在于，它可(kě)以制作出超过2分(fēn)钟的连贯(guàn)的也有确切(qiè)内容的视(shì)频，这才是真正让(ràng)人(rén)们感到惊(jīng)喜的地方。因为无论AI生成的视(shì)频多么高清，也(yě)只(zhǐ)能是为内(nèi)容(róng)生产者提(tí)供一个灵感(gǎn)，一个素材，一(yī)个过场动画。

不过(guò)能够制作(zuò)出有具体(tǐ)剧情内(nèi)容的视频就意味着，一些视频创作由AI代替人工完成已经(jīng)初步有了(le)可(kě)能。

当(dāng)下AI的发展速度(dù)已经(jīng)超过大(dà)部分人的想象。内容产业的(de)本质是(shì)供给创造需求，AIGC作为全新的(de)内容(róng)生产方式，可(kě)以为内容产业带来更新的(de)内(nèi)容(róng)风格、更快(kuài)的生(shēng)产速度(dù)，更(gèng)低的生产成(chéng)本，这无疑会驱动内容产业(yè)的大爆(bào)发。

除了AI绘(huì)图、视频，AIGC技术还(hái)能应用于(yú)音乐、代码(mǎ)、机器(qì)人动作等多种内容形(xíng)式的生成。不难发现(xiàn)该项(xiàng)技术(shù)不仅在(zài)游(yóu)戏等行业能得到有(yǒu)效应用，对(duì)于下一(yī)代互(hù)联网各(gè)种元素(sù)的(de)构建(jiàn)亦(yì)有关键意义(yì)。

从商业化的角度来看(kàn)，文(wén)化(huà)娱乐、教育、传媒等(děng)诸多领域(yù)，本身就对基于AI的可(kě)视化内容有强(qiáng)烈需求。

因此，AI绘画及视频或不是结果，而只是AI进程中的一块重要(yào)拼(pīn)图，有望(wàng)在技术更新的加持(chí)下实(shí)现更(gèng)大(dà)的应(yīng)用价(jià)值。

AI从理解内容，走向了(le)可以生成内容(róng)，甚(shèn)至能(néng)够创造出独立价(jià)值和(hé)独立视角(jiǎo)的内(nèi)容。AIGC的再次出圈，更代表着(zhe)未来的(de)先进生产力即将到来。

04

紧(jǐn)抓大模(mó)型与算(suàn)力，牢固AIGC底座

从技术的发展也可(kě)以看出(chū)，在语(yǔ)言(yán)大模型、图(tú)像大模(mó)型之后(hòu)，多模(mó)态大模型(xíng)已经成(chéng)为了新的趋势(shì)。

大模型被(bèi)誉为当前(qián)人工智(zhì)能发展的智(zhì)能底座，是全球竞(jìng)争最激烈的(de)研(yán)究方(fāng)向之一，包括谷歌、亚马逊、百度、阿里、腾讯等众(zhòng)多头部企业都在竞相发力。

不过训(xùn)练大(dà)模型的确价格不菲，以(yǐ)国(guó)盛证券发布的(de)《ChatGPT需要(yào)多少(shǎo)算力》报告估算，GPT-3训练一次的成本约为(wèi)140万美元。而对于一些更大的LLM(大型(xíng)语言模型)，训(xùn)练成本(běn)则介(jiè)于200万美元(yuán)至1200万美元高(gāo)价之(zhī)间。

以ChatGPT在(zài)2023年1月(yuè)的独(dú)立访客平均数1300万计算，其(qí)对应芯片需求为3万多片英伟(wěi)达(dá)A100 GPU，初始投入成本(běn)约(yuē)为8亿美元(yuán)，每(měi)日仅电费就在5万美(měi)元左右。

此(cǐ)外(wài)不(bù)论是ChatGPT还是AIGC，都离(lí)不开(kāi)庞大算力(lì)支持。在关(guān)注各类大模型的发(fā)展同时(shí)，更应该关(guān)注算(suàn)力网(wǎng)络(luò)的建设(shè)。

算力网络正(zhèng)驱(qū)动AI产业发(fā)展进入史诗级加速(sù)进程，让AIGC及通(tōng)用AI这一人工智能发展(zhǎn)的(de)终极目(mù)标(biāo)离得更近。

因为算力可(kě)以对突破性技术创新提供大力的支持。这方面，多模态大模型是典型(xíng)。作为面向(xiàng)未来(lái)强(qiáng)人工智能(néng)、通用人工(gōng)智(zhì)能(néng)的重要(yào)技术创(chuàng)新，多模态大模(mó)型已经在人工智(zhì)能(néng)领域提出了很多(duō)年，业(yè)界也有不少技术突破，但是，多(duō)模态大(dà)模型进一步往下走，算力需求呈几何式上升，一般的(de)算(suàn)力基础设(shè)施很快(kuài)将难(nán)以胜任。

从图像(xiàng)、文(wén)字、语音单独(dú)一项的训练，到双模(mó)态、三模(mó)态的跃(yuè)迁，让人工智能可以灵活应(yīng)对(duì)不同模态的转化、像人与世界交互(hù)一样自然，这方面，由算力网络来(lái)驱动将有明(míng)显优势。

此外，还有(yǒu)很多需要爆发(fā)式增长(zhǎng)的(de)算力来支撑的技(jì)术创(chuàng)新(xīn)，将在人工智能算力网络支撑下(xià)快速推进(jìn)。

AIGC已经(jīng)露(lù)出曙光，期待在(zài)大模型和(hé)大算力的支持下AIGC能(néng)持续颠覆内容生(shēng)产的方式(shì)，将(jiāng)创造(zào)的(de)边际成本降低，让万众(zhòng)受益(yì)。

未经允许不得转载：橘子百科-橘子都知道 两个字的励志词语精选，两个字的励志词语有内涵,有深度