AI這樣把NB寫(xiě)在臉上，它在玩一種很新的藝術(shù)
論創(chuàng)意還得看人類(lèi)
衡宇 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
都說(shuō)AI繪畫(huà)來(lái)勢(shì)洶洶，但論創(chuàng)意，還是人類(lèi)玩得花。
不信來(lái)看看這張乍一看平平無(wú)奇，卻在網(wǎng)上瘋傳的AI生成美女圖片：
△圖源：抖音賬號(hào)@麥橘M(fèi)AJIC
趕緊按下手機(jī)截圖鍵，看看原圖和縮略圖的對(duì)比，你就能窺破玄機(jī)：
是的沒(méi)錯(cuò)！
這張AI生成的圖片里，偷摸在光影中融進(jìn)去了兩個(gè)漢字。
這兩天，類(lèi)似圖片瘋狂刷屏。各個(gè)平臺(tái)上被爭(zhēng)相討論的，不僅有上面的NB姐，還有下面這位diao哥。
△圖源：抖音賬號(hào)@麥橘M(fèi)AJIC
以及這位禁止AI“穿”在身上的的紅毛衣小姐姐：
△圖源：抖音賬號(hào)@麥橘M(fèi)AJIC
建議大家在手機(jī)上手動(dòng)縮放一下這些圖，縮得越小，圖片夾帶的文字能更清晰。
還有網(wǎng)友給了別的“認(rèn)字”秘訣，比如摘下你的近視眼鏡：
呼聲最高的評(píng)論有兩種，一種是“牛哇牛哇”的感嘆，另一種是嗷嗷待哺的“蹲教程”。
所以，這些又牛又diao的圖，是怎么做出來(lái)的？
ControlNet又立大功
要讓光影在圖片甚至人物衣物上“寫(xiě)字”，利用的工具還是那套神奇的AI繪圖組合：
Stable Diffusion+ControlNet。
作為最火爆的兩個(gè)AI繪畫(huà)工具之一，Stable Diffusion已經(jīng)風(fēng)靡一年，熱度不減，已經(jīng)被大伙兒熟知和玩壞了。
所以今天想重點(diǎn)介紹一下ControlNet，這家伙是Stable Diffusion的一個(gè)AI插件。
今年春天，ControlNet因?yàn)槟軌蚋愣ˋI原本無(wú)法控制的手部細(xì)節(jié)、整體架構(gòu)，一炮而紅，被網(wǎng)友們戲稱(chēng)為“AI繪畫(huà)細(xì)節(jié)控制大師”。
Stable Diffusion根據(jù)提示詞生成圖像顯然太過(guò)隨機(jī)，ControlNet提供的功能，恰好是一種更精確地限制圖像生成范圍的辦法。
究其原理，本質(zhì)上是給予訓(xùn)練擴(kuò)散模型增加一個(gè)額外的輸入，從而控制它生成的細(xì)節(jié)。
“額外的輸入”可以是各種類(lèi)型的，包括草圖、邊緣圖像、語(yǔ)義分割圖像、人體關(guān)鍵點(diǎn)特征、霍夫變換檢測(cè)直線、深度圖、人體骨骼等。
Stable Diffusion搭配ControlNet的整個(gè)過(guò)程中，第一步是預(yù)處理器生成圖像，第二步讓這些圖像經(jīng)過(guò)ControlNet模型的處理，第三步時(shí)，將圖像輸入到Stable Diffusion中，生成最后展現(xiàn)在用戶(hù)面前的版本。
單說(shuō)ControlNet的整體思路，就是先復(fù)制一遍擴(kuò)散模型的權(quán)重，得到一個(gè)可訓(xùn)練副本（trainable copy）。
原本擴(kuò)散模型經(jīng)過(guò)幾十億張圖片的預(yù)訓(xùn)練，參數(shù)處于被“鎖定”的狀態(tài)。但這個(gè)可訓(xùn)練副本，只需要在特定任務(wù)的小數(shù)據(jù)集上訓(xùn)練，就能學(xué)會(huì)條件控制。
而且就算數(shù)據(jù)量很少——哪怕少于5萬(wàn)張——模型經(jīng)過(guò)訓(xùn)練后，條件控制生成的效果也賊拉棒。
比如diao哥和NB姐的那幾張圖中，它主要起到的作用，就是負(fù)責(zé)確保文字作為光影、衣服圖案等，“放進(jìn)”了圖像中。
△圖源：抖音賬號(hào)@麥橘M(fèi)AJIC
抖音原作者表示，最后還用上了ControlNet tile模型，這個(gè)模型主要負(fù)責(zé)增加描繪的細(xì)節(jié)，并且保證在增加降噪強(qiáng)度時(shí)，原圖的構(gòu)圖也不會(huì)被改變。
也有AI愛(ài)好者“另辟蹊徑”，表示要得到如圖效果，可以用上ControlNet?brightness模型（control_v1p_sd15_brightness）。
這個(gè)模型的作用，是控制深度信息，對(duì)穩(wěn)定擴(kuò)散進(jìn)行亮度控制，即允許用戶(hù)對(duì)灰度圖像著色，或?qū)ι傻膱D像重新著色。
一方面，能讓圖片和文字融合得更好。
另一方面，能是讓圖片尤其是文字部分亮起來(lái)，這樣光影寫(xiě)出的文字看起來(lái)會(huì)更加明顯。
眼尖的小伙伴們可能已經(jīng)發(fā)現(xiàn)了，給圖片加漢字光影的整體思路，跟前幾天同樣爆火的圖像風(fēng)格二維碼如出一轍。
不僅看起來(lái)不像個(gè)“正經(jīng)”二維碼，用手機(jī)掃掃還能真的跳轉(zhuǎn)到有效網(wǎng)頁(yè)。
不僅有動(dòng)漫風(fēng)，還有3D立體、水墨風(fēng)、浮世繪風(fēng)、水彩風(fēng)、PCB風(fēng)格……
同樣在Reddit等平臺(tái)上引起“哇”聲一片：
不過(guò)略有不同的是，這些二維碼背后不僅需要用到Stable Diffusion和ControlNet（包括brightness模型），還需要LoRA的配合。
感興趣的旁友們，可以戳量子位之前的文章一探究竟《ControlNet新玩法爆火》。
AI大手子分享教程
光影效果爆火之后，推特上很快有AI大手子站出來(lái)表示愿意分享手把手教程。
大概思路非常簡(jiǎn)單，分為3個(gè)重要步驟：
第一步，安裝Stable Diffusion和ControlNet；
第二步，在Stable Diffusion中進(jìn)行常規(guī)的文生圖步驟；
第三步，啟用ControlNet，重點(diǎn)調(diào)整Control Weight和Ending Control Step兩個(gè)參數(shù)。
運(yùn)用這個(gè)方法，不僅可以完成人像和光影文字的融合，城市夜景什么的，也妥妥的。
大佬還在教程里溫馨提示了一下：
寫(xiě)提示詞時(shí)，盡量不要用一些例如特寫(xiě)人像之類(lèi)的提示詞，不然文字或者圖案就會(huì)蓋在人臉上，很難看.
（教程鏈接：https://mp.weixin.qq.com/s/rvpU4XhToldoec_bABeXJw）
有了手把手教學(xué)，加上同思路的AI二維碼制作秘籍早已公開(kāi)，網(wǎng)友們已經(jīng)玩嗨了：
△圖源微博、抖音網(wǎng)友，為AI生成作品
你說(shuō)說(shuō)，這效果，這動(dòng)手能力，誰(shuí)看了不說(shuō)一句N(xiāo)B呢？（doge）
如果你也動(dòng)手NB了一下，歡迎在圍脖平臺(tái)@量子位，投喂你的最終成品和我們互動(dòng)嗷～
參考鏈接：
[1]https://mp.weixin.qq.com/s/rvpU4XhToldoec_bABeXJw
[2]https://twitter.com/op7418/status/1680223090138316800
相關(guān)閱讀
