华人澳洲中文论坛

热图推荐

    四奼女火爆外网!ControlNet组合拳成果惊人,推翻AI绘画游戏规定

    [复制链接]

    2023-2-22 21:28:36 16 0

    原标题:四奼女火爆外网!ControlNet组合拳成果惊人,推翻AI绘画游戏规定  
    金磊 发自 凹非寺   
    量子位 | 大众号 QbitAI   
    四位美奼女,带着AI画画在ChatGPT的热浪中杀出了一片天地。  
    新“魔法”一出,瞬间吸引全场眼光:   


    本来是一张四个闺蜜在沙滩边上的普通合影照:  


    在新魔法的加持下,“啪的一下”画风两极反转,瞬间进入唯美动漫风:  


         还无效果截然不同的,例如酱紫:  


    不只是动漫画风成果上的惊艳,就连人物的pose也是放弃得“原汁原味”,美女们这下子算是分分钟完成了动漫自在。  
    如斯成果一出,也是引来了不少网友们的围观,直呼“在线请教程”:  
    也有不少人呐喊能够将这套弄法商业化了:  
    两大AI高手联动   
    使出这套AI组合拳的,是一名叫“viggo”的华人小哥博主。  


    他所持的两大宝贝分别是:左手 StableDiffusion,右手 ControlNet。   
    StableDiffusion,置信得多友友们都曾经很相熟了,是按照输出提醒的文本,就能疾速出图的AI作画神器。  
    ControlNet,则是新晋当红AI插件 (GitHub上线2天狂揽4.6K星),至关于给AI作画这事加了buff,能够精准管制手部细节和总体构造等。   
    小哥的做法说起也是对比简略,就是先将原图导入进去,用StableDiffusion图片转文字。  
    再用Text2Prompt插件拓展找到对应的症结词;最初用ControlNet插件绑定骨骼开始换症结词试成果。  


    固然,原图中四位美女的姿态,也能够按照小哥绘制骨骼构造的不同产生相应的改动。例如这样的:  


    比拟原图中人物的地位,下面这张中的人物更扩散了一些,也站到了一排;以及上半身手臂的姿态也产生了变动。  
    也是得益于StableDiffusion的才能,AI生成画作在画风上也能产出截然不同的成果:  


    成果之惊艳,曾经有网友按耐不住,照着小哥的说法“复现”了一遍,并表现:  
    第一次接触,很好玩,尝试复现下,觉得良好。
        第一次接触,很好玩,尝试复现下,觉得良好。  


    不外有一说一,这位新晋AI作画顶流插件ControlNet的“神通”可不只于此。  
    简略几笔也可画出真人成果   
    例如微博博主“海辛Hyacinth”便分享了他用ControlNet插件后“草图变美女”的弄法。  
    他先是绘制了一张线稿:  


    而后是开启了ControlNet的scribble模细化成果,便失掉了这样的后果:  


    成果之传神,也是使人叹服了。  
    “海辛Hyacinth”还测试了在同一seed下不同参数的成果:  


    有小火伴就要问了,那假如封闭了ControlNet,成果会如何?别急,博主也做了测试,成果是这样的:  


    “海辛Hyacinth”的这波操作也是失掉了ControlNet作者的认可:  


    这也把博主自己冲动坏了,直呼“尖叫”:  


    固然,ControlNet还能够完成其它诸多的功用,例如在装修设计上,能够输出一张拍好的卧室图,分分钟输入草图和换了格调的成果图:  


    以及在ControlNet的在线网站中,也提供了许多不同功用弄法体验,感兴致的小火伴能够去尝试哦:  


    给AI画画模型加buff   
    ControlNet的原理,实质上是给预训练分散模型减少一个额定的输出,管制它生成的细节。  
    这里能够是各品种型的输出,作者给出来的有8种,包罗草图、边沿图象、语义联系图象、人体症结点特点、霍夫变换检测直线、深度图、人体骨骼等。  
    那末,让大模型学会“按输出前提生成图片”的原理是甚么呢?  
    ControlNet总体思绪和架构分工如下:  


    详细来讲,ControlNet先复制一遍分散模型的权重,失掉一个“可训练正本” (trainable copy)。   
    比拟之下,原分散模型通过几十亿张图片的预训练,因此参数是被“锁定”的。而这个“可训练正本”只需求在特定工作的小数据集上训练,就可以学会前提管制。  
    据作者表现,即便数据量很少 (不超过5万张图片),模型通过训练后前提管制生成的成果也很好。   
    “锁定模型”和“可训练正本”经过一个1×1的卷积层衔接,名叫“0卷积层”。  
    0卷积层的权重和偏置初始化为0,这样在训练时速度会十分快,接近微调分散模型的速度,乃至在集体装备上训练也能够。  
    例如一块英伟达RTX 3090TI,用20万张图象数据训练的话只需求不到一个礼拜:  


    作者基于以后大火的Stable Diffusion进行了详细完成,次要架构如下:  


    针对不同的输出,作者也给出了对应不同的模型,生功效果也都不错。  
    详细成果,就如咱们方才所展现的那样了。  
    One More Thing   
    最初来一个舒适提醒……男同胞们不要感觉2月14日这个情人节过完就平安了 。   
    接上去还可能有红色情人节 (3月14日)、黑色情人节 (4月14日)、玫瑰情人节 (5月14日)、亲亲情人节 (6月14日)……   
    赶快把这套“AI组合拳”学起来,送本人的老婆/女敌人一张唯美的礼物吧!  
    参考链接:  
    —   
    《中国AIGC产业全景讲演暨AIGC 50》调研启动  
    谁会是中国的“ChatGPT”?最有竞争力和后劲的AIGC气力位于何方?  
    量子位《中国AIGC产业全景报暨AIGC 50》正式启动对外征集,期待有更多优秀的机构、产品、案例与技术可以被公众看到。   
    点这里 ?关注我,记得标星哦~   
    一键三连「分享」、「点赞」和「在看」  
    科技前沿停顿日日相见 ~

    发表回复

    您需要登录后才可以回帖 登录 | 立即注册

    返回列表 本版积分规则

    :
    注册会员
    :
    论坛短信
    :
    未填写
    :
    未填写
    :
    未填写

    主题30

    帖子41

    积分192

    图文推荐