編輯：Aeneas 好困

這次，人類畫手是真要失業(yè)了。

你敢相信，這張電影劇照一樣的圖片，居然是AI畫的？

Midjourney v5生成的光影和皮膚效果

更邪乎的是，AI畫手還會自己動腦子。

最近新出的Stable Diffusion Reimagine，只要你給它一張圖，它就會無限開發(fā)自己的想象力。你要多少版，它就給你生成多少版。

有了這個AI，無論要求多奇葩，要改多少次，甲方爸爸想要的方案，設(shè)計師和畫手幾分鐘就甩給他。

logo放大的同時能不能縮小一點？改！

想要五彩斑斕的黑？改！

就是這么氣定神閑，游刃有余。

唯一要擔心的就是，千萬別讓甲方爸爸知道……

AI學會想象，人類連prompt的工作也要丟了？

Stable Diffusion這個AI畫圖工具，咱們都很熟悉了。

昨天，Stability AI又曝出一個震撼消息：它把Stable Diffusion大大改進了一把。

這次新推出的產(chǎn)品，叫做Stable Diffusion Reimagine。

敢叫Reimagine，聽起來就很震撼。

沒錯，現(xiàn)在你只要上傳一張圖片，SDR就可以根據(jù)這個圖片創(chuàng)作無數(shù)張新圖。

而且它是真的想象，真的創(chuàng)作，并不是照抄原始圖片里的面孔或物體，而是根據(jù)原始圖像的靈感，重新創(chuàng)作新圖。

體驗地址：https://clipdrop.co/stable-diffusion-reimagine

我們都知道，在以往的AI作圖工具中，prompt的質(zhì)量，往往決定著你能畫出圖片的上限。

很多人說，會不會prompt，將成為使用AI的庸人和天才的分水嶺。同樣，提示工程師也把prompt視為自己打開AI大獎的秘密武器。

去年在科羅拉多州博覽會藝術(shù)比賽的獲獎?wù)摺ⅰ短崭鑴≡骸返膭?chuàng)作者，就拒絕分享出自己在Midjourney所用的提示。據(jù)說，他花了80多個小時，在900次迭代中，才完成了這幅畫作。

而現(xiàn)在，不需要多復雜的prompt，只需要把一張圖片丟給AI，算法就可以創(chuàng)造出我們想要的無窮多變化。

輕點一下鼠標，你的臥室立馬大變樣。

技術(shù)原理

這個全新的Stable Diffusion Reimagine，是基于stability.ai創(chuàng)造的一種新算法。

經(jīng)典的Stable Diffusion模型，都是被訓練成以文本輸入為條件。

而Reimagine中，用一個圖像編碼器取代了原來的文本編碼器。不是根據(jù)文本輸入來生成圖像，而是從圖像中生成圖像。在編碼器通過算法后，還加入一些噪音，以產(chǎn)生變化。

這種方法產(chǎn)生了外觀相似、但細節(jié)和構(gòu)圖不同的圖像。

而與圖像到圖像的算法不同，原始圖像首先就被完全編碼，這意味著生成器并未使用來自原始圖像的任何一個像素。

而且，Clipdrop還能提升圖片的分辨率。用戶只需上傳一張小圖，就能獲得一張至少有兩倍細節(jié)水平的圖片。

據(jù)悉，Stable Diffusion Reimagine的模型很快就會在StabilityAI的GitHub上開源了。

發(fā)揮不穩(wěn)

當然，Reimagine也存在一定的局限性。

最大的缺陷就是，它不會根據(jù)原始的prompt創(chuàng)作圖像。

另外呢，它的發(fā)揮也沒有那么穩(wěn)定，有時很驚艷，有時會比較拉跨。

另外，雖然Stability AI在模型中安裝了一個過濾器，阻擋不適當?shù)恼埱螅膊皇侨f能的。

另外，AI模型都無法避免的偏見問題，Reimagine也不能避免，Stability AI目前正在收集用戶的反饋，希望能減輕偏見。

網(wǎng)友已玩瘋

而網(wǎng)友們當然已經(jīng)迫不及待地玩上了。

左上角（或最左側(cè)）是原始文件，而其他圖片都是受原始文件啟發(fā)后，「重新想象」的創(chuàng)作。

從分享的作品上來看，效果最為突出的確實是設(shè)計：

Stable Diffusion Reimagine可以在不改變整體氛圍的情況下，重新設(shè)計整個場景。

看得出來，Stable Diffusion Reimagine在手繪作品的處理上，表現(xiàn)得非常出色。

這位網(wǎng)友表示，它對「感覺」理解得相當好，自己很喜歡這種自由發(fā)揮的效果。

此外，Stable Diffusion Reimagine對二次元角色拿捏得也不錯。

在真實場景中，有網(wǎng)友在嘗試了自己的自拍之后大贊稱：「我打賭你們絕對猜不到哪張照片是真的。」

然而，小編在嘗試一些「名場面」時，結(jié)果卻是下面這樣的……

首先輸入《九品芝麻官》的「我全都要」：

然后讓Stable Diffusion「重新想象」一下：（這結(jié)果多少有些殺馬特在里面）

換成「威爾·史密斯在奧斯卡現(xiàn)場怒扇克里斯洛克耳光」試試？

啊，這……

或許是我們的打開方式不對，畢竟，Stability AI的主要目的幫助設(shè)計師們只用一張照片就能獲得類似的備選方案。

那么，我們就用它們給出的案例來做個測試吧。

注意看，下面是官方的演示：

而下面這個是同一張圖的「復現(xiàn)」效果……

顯然，Reimagine生成的圖片看起來遠沒有那么逼真，而且比例也很奇怪。

在進行了數(shù)次嘗試之后，我們?nèi)匀粵]有得到一張看起來完全真實的圖像。

對此，有網(wǎng)友在嘗試之后也表示，Stable Diffusion Reimagin生成圖片的質(zhì)量跟Midjourney的差距還是很大的。

因為Midjourney可以通過社區(qū)生成的大量反饋進行優(yōu)化，而這一點是Stable Diffusion難以比擬的。

AI畫手終于會畫手了

而另一強大的AI畫手——Midjourney，當然也沒閑著。

本周三，Midjourney宣布：我們已經(jīng)升級到第5版了！

比起之前的版本，V5版的圖像質(zhì)量更高、輸出更多樣化、有更廣泛的風格、支持無縫紋理、有更寬的縱橫比、有更好的圖像提示，以及更寬的動態(tài)范圍……

Midjourney V5的效果怎么說呢，AI藝術(shù)家們給出的評價是——「太逼真，太完美，以至于令人毛骨悚然。」

「仿佛一個近視眼忽然戴上了眼鏡——畫面忽然間就變成4k的了。」

網(wǎng)友評價：因為每次都太完美，太驚艷，到最后多巴胺都停止分泌了

可以看出，Midjourney自2022年3月首次面世以來，在圖像細節(jié)上一直在不停進步。去年8月推出了第3版，11月推出了第4版，今年3月就推出了第5版。

輸入這樣一個prompt「一個肌肉發(fā)達的野蠻人在 CRT 電視機旁手持武器、電影、8K、演播室照明」，v3、v4、v5生成的圖像依次如下——

Midjourney v3（左）、v4（中）和 v5（右）

但最驚艷的提升，還是對人手的處理。

nice！

眾所周知，Midjourney、Stable Diffusion和DALL-E等模型， 都經(jīng)過了數(shù)百萬人類藝術(shù)家作品的訓練。

為了構(gòu)建LAION-5B數(shù)據(jù)集，AI研究者指導的機器人爬取了數(shù)十億個網(wǎng)站，包括DeviantArt、ArtStation、Pinterest、Getty Images等的大型圖像庫，并收集了數(shù)百萬張照片。

然而即便如此，AI畫手依然沒學會畫手。

即便是人和場景都已經(jīng)達到真假難辨的程度，只要放大手部，基本就是一秒破功。

網(wǎng)友們紛紛表示，那些從不露手的「美女自拍」，多半就是AI干的了。

這是為什么呢？

Stability AI的解釋是，在AI數(shù)據(jù)集中，人類的手不如面部顯著；手在原始圖像中往往很小，很少以大的形式出現(xiàn)。

而佛羅里達大學AI和藝術(shù)教授Amelia Winger-Bearskin的解釋是AI們并不能真正理解「手」是什么，不理解它在解剖學上與人體有什么關(guān)系。

而Wieland發(fā)現(xiàn)，Midjourney v5在大多數(shù)時候，都能畫出5個手指的手，而不是7到10個指頭的。

而AI會畫手之后，網(wǎng)上出現(xiàn)的任何照片，都真假莫辨了。

如果非要說Midjourney V5有什么缺點，大概就是太過逼真和完美，也就讓我們喪失了那種多次嘗試后找到最佳結(jié)果的快感。

（昨天試了多次終于用文心一言畫出完美林黛玉的小編表示，非常贊同）

這就是老虎機效應(yīng)（near-miss）——就差那么一點兒，才是讓我們繼續(xù)玩下去的動力。

參考資料：

https://arstechnica.com/information-technology/2023/03/ai-imager-midjourney-v5-stuns-with-photorealistic-images-and-5-fingered-hands/

https://stability.ai/blog/stable-diffusion-reimagine