編輯：Aeneas 好困
【新智元導(dǎo)讀】趁我們不注意，AI畫(huà)手一直在悄悄迭代，最近新推出的Stable Diffusion Reimagine和Midjourney v5功能如此強(qiáng)大，不僅要淘汰人類畫(huà)師，連提示工程師的飯碗怕是都要丟了。這次，人類畫(huà)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(huà)的？
Midjourney v5生成的光影和皮膚效果
更邪乎的是，AI畫(huà)手還會(huì)自己動(dòng)腦子。
最近新出的Stable Diffusion Reimagine，只要你給它一張圖，它就會(huì)無(wú)限開(kāi)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(gè)AI，無(wú)論要求多奇葩，要改多少次，甲方爸爸想要的方案，設(shè)計(jì)師和畫(huà)手幾分鐘就甩給他。
logo放大的同時(shí)能不能縮小一點(diǎn)？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(dān)心的就是，千萬(wàn)別讓甲方爸爸知道……
AI學(xué)會(huì)想象，人類連prompt的工作也要丟了？
Stable Diffusion這個(gè)AI畫(huà)圖工具，咱們都很熟悉了。
昨天，Stability AI又曝出一個(gè)震撼消息：它把Stable Diffusion大大改進(jìn)了一把。
這次新推出的產(chǎn)品，叫做Stable Diffusion Reimagine。
敢叫Reimagine，聽(tīng)起來(lái)就很震撼。
沒(méi)錯(cuò)，現(xiàn)在你只要上傳一張圖片，SDR就可以根據(jù)這個(gè)圖片創(chuàng)作無(wú)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(yàn)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(huà)出圖片的上限。
很多人說(shuō)，會(huì)不會(huì)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(kāi)AI大獎(jiǎng)的秘密武器。
去年在科羅拉多州博覽會(huì)藝術(shù)比賽的獲獎(jiǎng)?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(shuō)，他花了80多個(gè)小時(shí)，在900次迭代中，才完成了這幅畫(huà)作。
而現(xiàn)在，不需要多復(fù)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(wú)窮多變化。
輕點(diǎn)一下鼠標(biāo)，你的臥室立馬大變樣。
技術(shù)原理
這個(gè)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(xùn)練成以文本輸入為條件。
而Reimagine中，用一個(gè)圖像編碼器取代了原來(lái)的文本編碼器。不是根據(jù)文本輸入來(lái)生成圖像，而是從圖像中生成圖像。在編碼器通過(guò)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(xì)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(lái)自原始圖像的任何一個(gè)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(xì)節(jié)水平的圖片。
據(jù)悉，Stable Diffusion Reimagine的模型很快就會(huì)在StabilityAI的GitHub上開(kāi)源了。
發(fā)揮不穩(wěn)
當(dāng)然，Reimagine也存在一定的局限性。
最大的缺陷就是，它不會(huì)根據(jù)原始的prompt創(chuàng)作圖像。
另外呢，它的發(fā)揮也沒(méi)有那么穩(wěn)定，有時(shí)很驚艷，有時(shí)會(huì)比較拉跨。
另外，雖然Stability AI在模型中安裝了一個(gè)過(guò)濾器，阻擋不適當(dāng)?shù)恼?qǐng)求，但它也不是萬(wàn)能的。
另外，AI模型都無(wú)法避免的偏見(jiàn)問(wèn)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(jiàn)。
網(wǎng)友已玩瘋
而網(wǎng)友們當(dāng)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(lái)看，效果最為突出的確實(shí)是設(shè)計(jì)：
Stable Diffusion Reimagine可以在不改變整體氛圍的情況下，重新設(shè)計(jì)整個(gè)場(chǎng)景。
看得出來(lái)，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(duì)「感覺(jué)」理解得相當(dāng)好，自己很喜歡這種自由發(fā)揮的效果。
此外，Stable Diffusion Reimagine對(duì)二次元角色拿捏得也不錯(cuò)。
在真實(shí)場(chǎng)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(duì)猜不到哪張照片是真的?！?/p>
然而，小編在嘗試一些「名場(chǎng)面」時(shí)，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(chǎng)怒扇克里斯洛克耳光」試試？
啊，這……
或許是我們的打開(kāi)方式不對(duì)，畢竟，Stability AI的主要目的幫助設(shè)計(jì)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(lái)做個(gè)測(cè)試吧。
注意看，下面是官方的演示：
而下面這個(gè)是同一張圖的「復(fù)現(xiàn)」效果……
顯然，Reimagine生成的圖片看起來(lái)遠(yuǎn)沒(méi)有那么逼真，而且比例也很奇怪。
在進(jìn)行了數(shù)次嘗試之后，我們?nèi)匀粵](méi)有得到一張看起來(lái)完全真實(shí)的圖像。
對(duì)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?yàn)镸idjourney可以通過(guò)社區(qū)生成的大量反饋進(jìn)行優(yōu)化，而這一點(diǎn)是Stable Diffusion難以比擬的。
AI畫(huà)手終于會(huì)畫(huà)手了
而另一強(qiáng)大的AI畫(huà)手——Midjourney，當(dāng)然也沒(méi)閑著。
本周三，Midjourney宣布：我們已經(jīng)升級(jí)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(fēng)格、支持無(wú)縫紋理、有更寬的縱橫比、有更好的圖像提示，以及更寬的動(dòng)態(tài)范圍……
Midjourney V5的效果怎么說(shuō)呢，AI藝術(shù)家們給出的評(píng)價(jià)是——「太逼真，太完美，以至于令人毛骨悚然?！?/p>
「仿佛一個(gè)近視眼忽然戴上了眼鏡——畫(huà)面忽然間就變成4k的了?！?/p>
網(wǎng)友評(píng)價(jià)：因?yàn)槊看味继昝溃@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(lái)，在圖像細(xì)節(jié)上一直在不停進(jìn)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(gè)prompt「一個(gè)肌肉發(fā)達(dá)的野蠻人在 CRT 電視機(jī)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(duì)人手的處理。
nice！
眾所周知，Midjourney、Stable Diffusion和DALL-E等模型， 都經(jīng)過(guò)了數(shù)百萬(wàn)人類藝術(shù)家作品的訓(xùn)練。
為了構(gòu)建LAION-5B數(shù)據(jù)集，AI研究者指導(dǎo)的機(jī)器人爬取了數(shù)十億個(gè)網(wǎng)站，包括DeviantArt、ArtStation、Pinterest、Getty Images等的大型圖像庫(kù)，并收集了數(shù)百萬(wàn)張照片。
然而即便如此，AI畫(huà)手依然沒(méi)學(xué)會(huì)畫(huà)手。
即便是人和場(chǎng)景都已經(jīng)達(dá)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(dá)大學(xué)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(xué)上與人體有什么關(guān)系。
而Wieland發(fā)現(xiàn)，Midjourney v5在大多數(shù)時(shí)候，都能畫(huà)出5個(gè)手指的手，而不是7到10個(gè)指頭的。
而AI會(huì)畫(huà)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(shuō)Midjourney V5有什么缺點(diǎn)，大概就是太過(guò)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(huà)出完美林黛玉的小編表示，非常贊同）
這就是老虎機(jī)效應(yīng)（near-miss）——就差那么一點(diǎn)兒，才是讓我們繼續(xù)玩下去的動(dòng)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
