AI画手会画手了：Stable Diffusion学会想象，卷趴人类提示工程师
这次，人类画手是真要失业了。
你敢相信，这张电影剧照一样的图片，居然是AI画的？
Midjourney v5生成的光影和皮肤效果
更邪乎的是，AI画手还会自己动脑子。
最近新出的Stable Diffusion Reimagine，只要你给它一张图，它就会无限开发自己的想象力。你要多少版，它就给你生成多少版。
有了这个AI，无论要求多奇葩，要改多少次，甲方爸爸想要的方案，设计师和画手几分钟就甩给他。
logo放大的同时能不能缩小一点？改！
想要五彩斑斓的黑？改！
就是这么气定神闲，游刃有余。
唯一要担心的就是，千万别让甲方爸爸知道……
AI学会想象，人类连prompt的工作也要丢了？
Stable Diffusion这个AI画图工具，咱们都很熟悉了。
3月17日，Stability AI又曝出一个震撼消息：它把Stable Diffusion大大改进了一把。
这次新推出的产品，叫做Stable Diffusion Reimagine。
敢叫Reimagine，听起来就很震撼。
没错，现在你只要上传一张图片，SDR就可以根据这个图片创作无数张新图。
而且它是真的想象，真的创作，并不是照抄原始图片里的面孔或物体，而是根据原始图像的灵感，重新创作新图。
体验地址：https://clipdrop.co/stable-diffusion-reimagine
我们都知道，在以往的AI作图工具中，prompt的质量，往往决定着你能画出图片的上限。
很多人说，会不会prompt，将成为使用AI的庸人和天才的分水岭。同样，提示工程师也把prompt视为自己打开AI大奖的秘密武器。
去年在科罗拉多州博览会艺术比赛的获奖者、《太空歌剧院》的创作者，就拒绝分享出自己在Midjourney所用的提示。据说，他花了80多个小时，在900次迭代中，才完成了这幅画作。
而现在，不需要多复杂的prompt，只需要把一张图片丢给AI，算法就可以创造出我们想要的无穷多变化。
轻点一下鼠标，你的卧室立马大变样。
技术原理
这个全新的Stable Diffusion Reimagine，是基于stability.ai创造的一种新算法。
经典的Stable Diffusion模型，都是被训练成以文本输入为条件。
而Reimagine中，用一个图像编码器取代了原来的文本编码器。不是根据文本输入来生成图像，而是从图像中生成图像。在编码器通过算法后，还加入一些噪音，以产生变化。
这种方法产生了外观相似、但细节和构图不同的图像。
而与图像到图像的算法不同，原始图像首先就被完全编码，这意味着生成器并未使用来自原始图像的任何一个像素。
而且，Clipdrop还能提升图片的分辨率。用户只需上传一张小图，就能获得一张至少有两倍细节水平的图片。
据悉，Stable Diffusion Reimagine的模型很快就会在StabilityAI的GitHub上开源了。
发挥不稳
当然，Reimagine也存在一定的局限性。
最大的缺陷就是，它不会根据原始的prompt创作图像。
另外呢，它的发挥也没有那么稳定，有时很惊艳，有时会比较拉跨。
另外，虽然Stability AI在模型中安装了一个过滤器，阻挡不适当的请求，但它也不是万能的。
另外，AI模型都无法避免的偏见问题，Reimagine也不能避免，Stability AI目前正在收集用户的反馈，希望能减轻偏见。
网友已玩疯
而网友们当然已经迫不及待地玩上了。
左上角（或最左侧）是原始文件，而其他图片都是受原始文件启发后，「重新想象」的创作。
从分享的作品上来看，效果最为突出的确实是设计：
Stable Diffusion Reimagine可以在不改变整体氛围的情况下，重新设计整个场景。
看得出来，Stable Diffusion Reimagine在手绘作品的处理上，表现得非常出色。
这位网友表示，它对「感觉」理解得相当好，自己很喜欢这种自由发挥的效果。
此外，Stable Diffusion Reimagine对二次元角色拿捏得也不错。
在真实场景中，有网友在尝试了自己的自拍之后大赞称：「我打赌你们绝对猜不到哪张照片是真的。」
然而，小编在尝试一些「名场面」时，结果却是下面这样的……
首先输入《九品芝麻官》的「我全都要」：
然后让Stable Diffusion「重新想象」一下：（这结果多少有些杀马特在里面）
换成「威尔·史密斯在奥斯卡现场怒扇克里斯洛克耳光」试试？
啊，这……
或许是我们的打开方式不对，毕竟，Stability AI的主要目的帮助设计师们只用一张照片就能获得类似的备选方案。
那么，我们就用它们给出的案例来做个测试吧。
注意看，下面是官方的演示：
而下面这个是同一张图的「复现」效果……
显然，Reimagine生成的图片看起来远没有那么逼真，而且比例也很奇怪。
在进行了数次尝试之后，我们仍然没有得到一张看起来完全真实的图像。
对此，有网友在尝试之后也表示，Stable Diffusion Reimagin生成图片的质量跟Midjourney的差距还是很大的。
因为Midjourney可以通过社区生成的大量反馈进行优化，而这一点是Stable Diffusion难以比拟的。
AI画手终于会画手了
而另一强大的AI画手——Midjourney，当然也没闲着。
本周三，Midjourney宣布：我们已经升级到第5版了！
比起之前的版本，V5版的图像质量更高、输出更多样化、有更广泛的风格、支持无缝纹理、有更宽的纵横比、有更好的图像提示，以及更宽的动态范围……
Midjourney V5的效果怎么说呢，AI艺术家们给出的评价是——「太逼真，太完美，以至于令人毛骨悚然。」
「仿佛一个近视眼忽然戴上了眼镜——画面忽然间就变成4k的了。」
网友评价：因为每次都太完美，太惊艳，到最后多巴胺都停止分泌了
可以看出，Midjourney自2022年3月首次面世以来，在图像细节上一直在不停进步。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。
输入这样一个prompt「一个肌肉发达的野蛮人在 CRT 电视机旁手持武器、电影、8K、演播室照明」，v3、v4、v5生成的图像依次如下——
Midjourney v3（左）、v4（中）和 v5（右）
但最惊艳的提升，还是对人手的处理。
nice！
众所周知，Midjourney、Stable Diffusion和DALL-E等模型， 都经过了数百万人类艺术家作品的训练。
为了构建LAION-5B数据集，AI研究者指导的机器人爬取了数十亿个网站，包括DeviantArt、ArtStation、Pinterest、Getty Images等的大型图像库，并收集了数百万张照片。
然而即便如此，AI画手依然没学会画手。
即便是人和场景都已经达到真假难辨的程度，只要放大手部，基本就是一秒破功。
网友们纷纷表示，那些从不露手的「美女自拍」，多半就是AI干的了。
这是为什么呢？
Stability AI的解释是，在AI数据集中，人类的手不如面部显著；手在原始图像中往往很小，很少以大的形式出现。
而佛罗里达大学AI和艺术教授Amelia Winger-Bearskin的解释是AI们并不能真正理解「手」是什么，不理解它在解剖学上与人体有什么关系。
而Wieland发现，Midjourney v5在大多数时候，都能画出5个手指的手，而不是7到10个指头的。
而AI会画手之后，网上出现的任何照片，都真假莫辨了。
如果非要说Midjourney V5有什么缺点，大概就是太过逼真和完美，也就让我们丧失了那种多次尝试后找到最佳结果的快感。
（昨天试了多次终于用文心一言画出完美林黛玉的小编表示，非常赞同）
这就是老虎机效应（near-miss）——就差那么一点儿，才是让我们继续玩下去的动力。
参考资料：
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
本文来自微信公众号“新智元”（ID：AI_era），作者：新智元，编辑：Aeneas 好困，36氪经授权发布。