估計(jì)好多人早就聽說(shuō)過(guò) AI 畫手“ 不會(huì)畫手 ” 的笑話了。
細(xì)數(shù)起來(lái), AI 在這上頭翻的車,那可是掰著手指頭都數(shù)不過(guò)來(lái):
以至于有人說(shuō), “ 怎么辨別這是不是 AI 畫的?看手就行了 ” 。
更有甚者,開了一個(gè)很大的腦洞:假如我?guī)?“ 假手指 ” 再干壞事,是不是就可以一口咬定監(jiān)控是 AI 生成,從而逃脫罪責(zé)了?
要是在以前,用這個(gè)辦法說(shuō)不定真就能蒙混過(guò)去。
但現(xiàn)在想鉆這個(gè)漏洞的人,可以洗洗睡了。
因?yàn)榫驮诓痪们埃?Midjourney 公布的第五代版本—— Midjourney V5 ,已經(jīng)能畫出正常的手了。
看到 Midjourney 這個(gè)名字,是不是有人覺(jué)得眼熟?沒(méi)錯(cuò),它就是那個(gè)去年畫出《 太空歌劇院 》,在美術(shù)競(jìng)賽拿了一等獎(jiǎng)的 AI 繪畫平臺(tái)。
Midjourney 把消息放出來(lái)后,好多人都忍不住去試了一把,用完發(fā)現(xiàn)它 “ 誠(chéng)不欺我 ” ,畫出來(lái)的人手果然正常了:
對(duì)比一下,之前它畫出的人的手,是這個(gè)樣子:
所以曾經(jīng)的它,到底對(duì)手指有什么誤解啊。。。
而如今Midjourney 能搞定手的難題,一個(gè)重要原因就是它有了好多關(guān)于手的數(shù)據(jù)。
AI 能畫畫,離不開數(shù)據(jù)。但現(xiàn)有的圖片里,能露出手的可不多( 相對(duì)像人臉這樣部位來(lái)說(shuō) ),再加上人的手非常靈活,能有很多種不同的姿勢(shì)。
指望 AI 自己能學(xué)會(huì)識(shí)別,那真是為難它了。
之前要想讓 AI 畫出像樣的手,要么是平臺(tái)專門雇人給圖片里的人手打上標(biāo)記,像把手掌、拇指、食指啥的,都給清楚地標(biāo)出來(lái);
要么就得用戶費(fèi)點(diǎn)心,在輸入提示詞的時(shí)候,說(shuō)得詳細(xì)一點(diǎn)。有人曾經(jīng)在用上百個(gè)字的提示詞,讓 AI 成功畫出一點(diǎn)毛病都沒(méi)有的手:
可這種辦法顯然不適合大多數(shù)用戶,且不說(shuō)有沒(méi)有這個(gè)耐心,就是知道該輸入哪些提示詞這事,恐怕都得有點(diǎn)專業(yè)背景才行。
而 Midjourney 這次升級(jí)的新版本,利用了社區(qū)里那些專業(yè)老哥反饋的海量手部數(shù)據(jù),迭代了一波,從而能畫出正常的手。
除了能畫出正常的手,這次推出的第 5 版,還有其他方面的升級(jí)。
例如,最讓 Midjourney 得意的,是 V5 對(duì)光線、人物表情這樣的細(xì)節(jié)處理得更好了,能讓生成圖片更加逼真。
此前 Midjourney 最擅長(zhǎng)生成的,都是幻想風(fēng)格的,即使讓它畫現(xiàn)實(shí)的東西,也會(huì)透出一絲絲的不真實(shí)。
而現(xiàn)在的 V5 ,畫得就非常寫實(shí)了,像下面這張,你要是不說(shuō)是 AI 畫的,我真會(huì)相信是照相機(jī)拍出來(lái)的。。。
難怪國(guó)外有個(gè)叫 Julie Wieland 的平面設(shè)計(jì)師,會(huì)給出這樣的評(píng)價(jià): “MJ v5 就像給近視患者戴上眼鏡,效果清晰, 4K 細(xì)節(jié)拉滿,太不可思議了 ” 。
另外, V5 對(duì)輸入的提示理解能力更強(qiáng),輸出的圖片也更有創(chuàng)意。
假如你輸入 “ 一個(gè)肌肉發(fā)達(dá)的野蠻人,在 CRT 電視機(jī)旁邊拿著武器、電影、 8K 、演播室照明 ” ,那么 Midjourney V3 ( 左 )、 V4 ( 中 )和 V5 ( 右 )分別會(huì)生成如下的圖片:
還有一個(gè)功能,網(wǎng)上提到的不多,但我覺(jué)得非常有用,那就是它能反向操作,從 “ 圖像到文本 ” 。
你可以上傳一張圖片,然后它就能告訴你,要想生成這個(gè)圖像,該輸入哪些提示詞。
舉個(gè)例子,如果你上傳一張埃菲爾鐵塔的照片,它就會(huì)告訴你,這張圖片的提示詞是 “ 位于巴黎的倒金字塔形狀的大型金屬結(jié)構(gòu) ” 。
有了這個(gè)功能,你就能知道 AI 是咋想的,下次你再想讓它生成你需要的圖片時(shí),就能省不少勁。
而除了 Midjourney 之外,最近另一家在 AI 繪畫行業(yè)呼風(fēng)喚雨的平臺(tái)—— Stable Diffusion ,其實(shí)也有新動(dòng)作了。
他們推出了 Stable Diffusion Reimagine ,這玩意可以用圖來(lái)生成圖。
據(jù) Stability AI 說(shuō),這個(gè)工具的使用體驗(yàn)非常友好,不需要輸入任何提示詞,只要一鍵上傳圖片,它會(huì)聯(lián)想、重新創(chuàng)作 3 張不同的照片。
他們展示了一個(gè)案例,給它上傳一張臥室裝修的圖片,它自動(dòng)生成了 3 張風(fēng)格、位置各不相同的圖片。
你要是不滿意,可以點(diǎn)擊圖片的重置按鈕, 2 秒鐘就能完成圖片的再次生成,只要你愿意可以無(wú)限重置下去。
對(duì)于這么好玩的功能,網(wǎng)友們當(dāng)然不會(huì)放過(guò)。
一個(gè)日本網(wǎng)友上傳了一張二次元妹子的圖片, Reimagine 馬上返給了他三張:
我也試了一下,上傳了火鍋的照片,結(jié)果是這樣的:
但感覺(jué)生成的圖片一點(diǎn)都不像火鍋。。。
我這還算好的,有人上傳了非高清圖片,發(fā)現(xiàn)它生成的圖片非常感人,像下面這個(gè)就是:
還真是 Reimagine ( 重新想象 )啊。。。
Stability.AI 倒也坦然,他們大方承認(rèn),這項(xiàng)生成式 AI 技術(shù) “ 可以根據(jù)某些圖像激發(fā)驚人的結(jié)果,而對(duì)其他圖像產(chǎn)生不太令人印象深刻的結(jié)果 ” 。
用人話說(shuō)就是 Stable Diffusion Reimagine 的畫畫水平相當(dāng)不穩(wěn)定,有時(shí)畫出來(lái)的東西讓人驚艷,有時(shí)畫得就很拉胯。
就像段譽(yù)一樣,時(shí)靈時(shí)不靈。。。
對(duì)于這點(diǎn),有人分析,這和 Stability AI 在模型中安裝了一個(gè)過(guò)濾器有關(guān)。
這個(gè)過(guò)濾器是用來(lái)阻止不適當(dāng)?shù)恼?qǐng)求,但過(guò)濾器有時(shí)會(huì)把正常的請(qǐng)求誤認(rèn)為有問(wèn)題,導(dǎo)致輸出的結(jié)果稀奇古怪。
盡管如此,還是得承認(rèn), Stable Diffusion 這個(gè)技術(shù)確實(shí)很牛,有開創(chuàng)性。
因?yàn)樗怯脠D像編碼器替換了原始文本編碼器,換句話說(shuō),就是 Reimagine 會(huì)把你上傳的原圖完全編碼,再用算法生成全新的圖,這意味著它根本沒(méi)用原圖的任何一個(gè)像素。
就沖下面這張圖,這話我信。。。
看完這些,我不得不感嘆,技術(shù)的進(jìn)步速度實(shí)在是快。
就在不久前,不少人還在嘲笑 AI 繪畫連手都畫不明白,取代人類畫師根本就是癡心妄想。
沒(méi)想到, AI 這么快就把短板補(bǔ)上來(lái)了,雖說(shuō)它還有很多不完美的地方,但誰(shuí)敢小瞧它未來(lái)的發(fā)展呢。
現(xiàn)在,我莫名地期待 OpenAI 旗下的 DALL-E 2 的新消息了,真不知道它要是和 GPT-4 雙劍合璧,會(huì)帶來(lái)啥新花樣。