01

ControlNet颠(diān)覆AI绘(huì)画新玩法(fǎ)

AIGC向可控靠近

以AI绘画为代表的AIGC上一次(cì)爆火(huǒ)的时候，还是2022年8月，在美国科罗拉多州举办的新兴数字(zì)艺(yì)术家竞赛中，一幅(fú)名为《太空歌剧院》的作品获奖(jiǎng)。

随(suí)后(hòu)各大厂商(shāng)的AI绘画软件被广大网友熟知并体验，Stable Diffusion便是其中代表。

用户们可以(yǐ)在(zài)应(yīng)用中输入一组关键(jiàn)词或者一张(zhāng)照片(piàn)，就能(néng)获得(dé)一幅AI创作的画(huà)作。

作画(huà)的关(guān)键就是所输入的文本。同(tóng)一组关键词也可以创作出很多(duō)张风格不(bù)一(yī)样的画(huà)作(zuò)，这让创作(zuò)的过程就(jiù)像开盲盒。

很多用(yòng)户很喜欢这(zhè)种(zhǒng)不确定(dìng)的惊喜，他们会将生成的美图当做(zuò)头像。而另一部分喜欢翻看AI绘(huì)画的(de)“翻车”作品。在社(shè)交媒体上，许多用户分享AI“翻(fān)车现(xiàn)场(chǎng)”，例如，一位网友的小狗照片被AI画成了“肌肉男”，还(hái)有网友的个人照片被AI识别成了(le)建筑。

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

ControlNet是一位正在斯坦福读博的中国人张(zhāng)吕敏创作的一种基于控制点的图像变形算法，主要用(yòng)于(yú)数字图像处理、计算机视觉和计(jì)算(suàn)机(jī)图形(xíng)学等(děng)领域。

其SD插件一经发布，在短短的两天内便成为(wèi)了AI绘画领域最新的热点。

在此之前，大家用了很多方法想让AI生成(chéng)的结果尽可能的符合要求，但是(shì)都不尽如人意(yì)，它的出现代表着AI生成开始(shǐ)进入真正的可控时(shí)期。

因为ControlNet可以直接提取画(huà)面的构图，人(rén)物的姿势和画(huà)面的深度(dù)信息等(děng)。有了它的帮助(zhù)，就不用(yòng)频繁的用提示(shì)词(cí)来碰运气，抽盲盒式的(de)创作了。

通俗的说ControlNet相当于给AI绘画加(jiā)了(le)“魔法”，不(bù)少博主的作(zuò)品已经(jīng)获得了大(dà)量(liàng)的(de)浏览(lǎn)量，“viggo”就是其中之(zhī)一，他用朋友(yǒu)的照片(piàn)直接带她(tā)们走进动漫世(shì)界。

viggo先用(yòng)StableDiffusion图片(piàn)转文字。

再(zài)用(yòng)Text2Prompt插(chā)件拓展找到对应的(de)关键词(cí)；最(zuì)后用ControlNet插(chā)件(jiàn)绑(bǎng)定骨骼开始换关键词(cí)试(shì)效果。

通过图片就(jiù)可以看出来，效果十(shí)分(fēn)惊艳。

更厉害的是，除了真(zhēn)实的照片，草图(tú)也(yě)可(kě)以(yǐ)加上“魔(mó)法”，知乎大牛“DevPoint”和(hé)“逗砂”介(jiè)绍到(dào)ControlNet还能实现线(xiàn)稿转全彩图(tú)。大(dà)神张吕敏其本尊(zūn)也亲自回应。

不得不(bù)说当下AIGC已经变得(dé)越来越强大，甚至输(shū)出的作品都已(yǐ)经能以假乱(luàn)真(zhēn)了。

02

难辨虚(xū)实，AIGC技术力爆发(fā)

警惕(tì)安全(quán)问(wèn)题(tí)

近日，“苏州金鸡湖有游艇party”的(de)消息火遍网络(luò)，而经过警方辟谣这(zhè)所谓的“party”可能是全国第一起AI绘图诈骗(piàn)。

由于(yú)这个活动里面给出的美女(nǚ)照片都是AI制作(zuò)的(de)真人照片(piàn)绘(huì)图，因(yīn)为太逼真，被大家当成真事传(chuán)播(bō)了(le)。

不(bù)过仔细观察(chá)可以发(fā)现，活动发起者(zhě)提供(gōng)的照片中有个很大(dà)的(de)漏洞(dòng)可以发(fā)现(xiàn)并非真人，而是AI绘图，那便是(shì)图片中女(nǚ)性的手指部分有的存在异常。

有行业人事表示：“现在因为手指部分的绘(huì)画算法比较复(fù)杂，AI还不(bù)太(tài)会画人的手，但(dàn)最新看到(dào)的图片已经有越来(lái)越完(wán)美的(de)AI模型出(chū)现，以后可能就完(wán)全(quán)没(méi)有漏洞(dòng)了。”

类似的AI作图诈骗在国外也(yě)已有(yǒu)发生。据英国(guó)广播公(gōng)司报道，土耳其地震期(qī)间，有Tiktok用户使用(yòng)AI合成了儿童受灾的假照片发布到网(wǎng)络，以此诱(yòu)骗善良的人打赏(shǎng)“捐助”从而(不羡鸳鸯不羡仙下一句，不羡鸳鸯不羡仙,只羡白发苍苍有人牵ér)实施诈骗。

目前(qián)随着技术发(fā)展，AIGC已(yǐ)经能做出真人照片般的绘(huì)图效果，如果这(zhè)样的图片被(bèi)用来诈骗，将非常可怕。

此外AIGC还引(yǐn)发了很(hěn)多(duō)担忧(yōu)，一方(fāng)面，批判(pàn)者认(rèn)为AI在(zài)“学(xué)习(xí)”了大量前人的作品(pǐn)之(zhī)后，其创作没有(yǒu)任何情绪和(hé)灵魂，难以(yǐ)和(hé)人类(lèi)的艺术创作相提并论。

另一方(fāng)面，AIGC背(bèi)后(hòu)的版权、目(mù)前都(dōu)并没(méi)有得到有效的解决，还有(yǒu)AIGC会不会代替人类“至高无上”的创意。

马(mǎ)斯(sī)克也强调(diào)，人工智能的安全问题需要得到重视(shì)，太(tài)晚就来不及了。

03

AIGC下一站除了视频，还有远方

技术都是有两面性的，潜在的危害并不能掩盖其光辉的贡献。现在看(kàn)来，人工智(zhì)能技术(shù)将是第四次工业革命的核心驱动力量，将创造新的(de)增长奇(qí)迹。

过去一年(nián)，人工智(zhì)能在(zài)技术和(hé)商业层(céng)面都有了巨大进展，AI绘画就是人工(gōng)智(zhì)能技(jì)术(shù)发生方向性改变(biàn)的一个代(dài)表(biǎo)。其下一站或许就是视频。

此前，Meta和谷(gǔ)歌先后发布了几条引爆科技圈的短视(shì)频。这些(xiē)视频引发关注(zhù)并非内容做得多优秀，反而都非常简单，比如(rú)一匹正在(zài)喝水的(de)马，一只画画的玩(wán)具(jù)熊，或者(zhě)一段骑摩托车的第一视角录像，随便一个(gè)有手机的人都可以随(suí)手(shǒu)录下一段。

但这些短视(shì)频的(de)创(chuàng)作方式非常(cháng)简单，创(chuàng)作者仅仅需(xū)要向AI输(shū)入一段话(huà)，甚至只是说一(yī)下要求，AI就可以根据(jù)需要生成(chéng)一段(duàn)视频。

谷歌发布的两个AI生成视频(pín)分(fēn)别来(lái)自于Imagen Video和Phenaki，前者主要突出的(de)是高清，与Meta的Make-A-Video没有(yǒu)太(tài)多(duō)的差别(bié)。

在Make-A-Video公(gōng)布了AI生(shēng)成(chéng)的视(shì)频后(hòu)，AI圈就已(yǐ)经玩了一(yī)波梗，一(yī)个能够做出更(gèng)高清视频的(de)AI还不(bù)足以在短时(shí)间内戳中兴奋点。

Phenaki更加令人(rén)震惊的(de)地方在于，它可以制作出超过2分(fēn)钟的连(lián)贯的(de)也有确切内(nèi)容(róng)的视频(pín)，这才是真正让人(rén)们感到惊喜的地方。因为无论(lùn)AI生成(chéng)的(de)视(shì)频多么高清，也(yě)只能是为(wèi)内容(róng)生(shēng)产者提供一个灵感，一个素(sù)材，一个过场动画。

不过(guò)能够(gòu)制作(zuò)出(chū)有具(jù)体剧情内(nèi)容的视频就意味着，一些(xiē)视(shì)频(pín)创作由AI代替人工完(wán)成已(yǐ)经初步(bù)有了(le)可能。

当下AI的发展(zhǎn)速度(dù)已(yǐ)经超过大部分(fēn)人的想(xiǎng)象。内容产(chǎn)业的本质是(shì)供给(gěi)创造需(xū)求，AIGC作(zuò)为全新(xīn)的(de)内容生产方(fāng)式，可以为(wèi)内容(róng)产业带(dài)来更新的内容风格、更快(kuài)的生产速度，更(gèng)低的(de)生产成本，这无疑(yí)会驱动内容产业的大爆发。

除了AI绘图、视频(pín)，AIGC技术还能应(yīng)用于音乐、代(dài)码、机(jī)器人动作等多种内(nèi)容形(xíng)式的生成。不难发现该项技术不(bù)仅(jǐn)在游戏等行业能得到有效应用，对于下一代(dài)互联网各种元素的构建亦(yì)有关键(jiàn)意义(yì)。

从(cóng)商业(yè)化的角(jiǎo)度来(lái)看(kàn)，文(wén)化娱乐、教(jiào)育(yù)、传媒等诸多领(lǐng)域(yù)，本身就(jiù)对基(jī)于AI的可视化内容有强烈需求。

因此(cǐ)，AI绘画及视频或不(bù)是结(jié)果，而只是AI进程中的一块重要拼图，有望在(zài)技术更新的加持下(xià)实现(xiàn)更大的应(yīng)用价值。

AI从(cóng)理解内容(róng)，走向了(le)可以生成(chéng)内容，甚至能(néng)够创(chuàng)造出(chū)独(dú)立价值和独(dú)立视角的内(nèi)容。AIGC的再次出(chū)圈，更代表(biǎo)着未(wèi)来的(de)先进生产(chǎn)力即将到来。

04

紧(jǐn)抓大(dà)模(mó)型与算(suàn)力，牢(láo)固(gù)AIGC底座(zuò)

从技(jì)术(shù)的发展也可(kě)以看出，在语(yǔ)言大(dà)模型、图像大模型之后，多模(mó)态(tài)大模型已经成为(wèi)了(le)新的趋势。

大(dà)模型被誉为当前人(rén)工智(zhì)能发(fā)展的智能底座，是全球竞争最激烈(liè)的研究(jiū)方(fāng)向之(zhī)一，包括(kuò)谷歌、亚马逊、百度、阿里、腾讯等众多头部(bù)企业(yè)都在竞相发力(lì)。

不过训练大模(mó)型(xíng)的确价(jià)格不菲，以国盛证(zhèng)券(quàn)发布的《ChatGPT需(xū)要多少(shǎo)算力》报告(gào)估(gū)算，GPT-3训(xùn)练一次的成本约为140万(wàn)美元。而(ér)对于一(yī)些更大的LLM(大型语言模型)，训(xùn)练成本则(zé)介(jiè)于200万美元至1200万美元高价之间。

以ChatGPT在(zài)2023年1月的(de)独立访客平均数1300万计(jì)算，其对应芯片需求为3万多片英伟(wěi)达A100 GPU，初始投入成(chéng)本约为8亿美(měi)元，每日仅电(diàn)费就在5万美(měi)元左右。

此外不论是ChatGPT还是(shì)AIGC，都离不开庞(páng)大算力(lì)支持。在关注各类大模型的(de)发展(zhǎn)同时，更应该(gāi)关注(zhù)算力(lì)网络的建设(shè)。

算力网络正驱动AI产(chǎn)业发展进入史诗级加(jiā)速进(jìn)程，让AIGC及通用AI这(zhè)一人(rén)工(gōng)智能发展的终(zhōng)极目标(biāo)离(lí)得更近。

因为(wèi)算力(lì)可以对突破性技术创(chuàng)新(xīn)提供大力的支持(chí)。这方面(miàn)，多(duō)模态(tài)大模型是(shì)典型(xíng)。作(zuò)为面向未(wèi)来(lái)强人工智(zhì)能(néng)、通用人工智(zhì)能的重(zhòng)要技术创新，多模(mó)态(tài)大模型已经在人工智(zhì)能领域(yù)提出了(le)很多年(nián)，业界也有不(bù)少技术(shù)突破，但是，多模态大模型进一步往下走，算力需求(qiú)呈几何式上升，一般的算(suàn)力基(jī)础设施很快将难以胜任。

从图像、文字(zì)、语音单独(dú)一项(xiàng)的训练(liàn)，到双模态、三模态的跃(yuè)迁，让(ràng)人工智(zhì)能可(kě)以灵(líng)活应对不同模态(tài)的转化、像人与(yǔ)世(shì)界交互一样自然，这方面，由算力网络来(lái)驱动将(jiāng)有(yǒu)明显优势。

此外，还有很多需要爆发式增长的算力来支撑的(de)技术创(chuàng)新，将在人工(gōng)智(zhì)能算力网络(luò)支撑下(xià)快速(sù)推进(jìn)。

AIGC已(yǐ)经(jīng)露(lù)出曙光(guāng)，期待在大模型和大算力的(de)支持(chí)下AIGC能持续(xù)颠覆内容生产(chǎn)的方式(shì)，将创造(zào)的边际成本降低，让万(wàn)众受益。

未经允许不得转载：IDC站长站，IDC站长，IDC资讯--IDC站长站 不羡鸳鸯不羡仙下一句，不羡鸳鸯不羡仙,只羡白发苍苍有人牵