您的位置:首页 > 资讯 > 正文

四美少女火爆外网!ControlNet组合拳效果惊人:颠覆AI绘画游戏规

2023-02-22 14:13:57   来源:快科技阅读量:17778   

四位美少女,带着AI画画在ChatGPT的热浪中杀出了一片天地。

新魔法一出,瞬间吸引全场目光:

原本是一张四个闺蜜在沙滩边上的普通合影照:

在新魔法的加持下,啪的一下画风两极反转,瞬间进入唯美动漫风:

还有效果截然不同的,例如酱紫:

不仅是动漫画风效果上的惊艳,就连人物的pose也是保持得原汁原味,美女们这下子算是分分钟实现了动漫自由。

如此效果一出,也是引来了不少网友们的围观,直呼在线求教程:

也有不少人呼吁可以将这套玩法商业化了:

两大AI高手联动

使出这套AI组合拳的,是一位叫viggo的华人小哥博主。

他所持的两大法宝分别是:左手StableDiffusion,右手ControlNet。

StableDiffusion,相信很多友友们都已经很熟悉了,是根据输入提示的文本,就可以快速出图的AI作画神器。

ControlNet,则是新晋当红AI插件,相当于给AI作画这事加了buff,可以精准控制手部细节和整体结构等。

再用Text2Prompt插件拓展找到对应的关键词;最后用ControlNet插件绑定骨骼开始换关键词试效果。

当然,原图中四位美女的姿势,也可以根据小哥绘制骨骼结构的不同发生相应的改变。例如这样的:

相比原图中人物的位置,上面这张中的人物更分散了一些,也站到了一排;以及上半身手臂的姿势也发生了变化。

也是得益于StableDiffusion的能力,AI生成画作在画风上也能产出截然不同的效果:

效果之惊艳,已经有网友按耐不住,照着小哥的说法复现了一遍,并表示:

第一次接触,很好玩,尝试复现下,感觉良好。

不过有一说一,这位新晋AI作画顶流插件ControlNet的神通可不仅于此。

简单几笔也可画出真人效果

例如微博博主海辛Hyacinth便分享了他用ControlNet插件后草图变美女的玩法。

他先是绘制了一张线稿:

然后是开启了ControlNet的scribble模细化效果,便得到了这样的结果:

效果之逼真,也是令人叹服了。

海辛Hyacinth还测试了在同一seed下不同参数的效果:

有小伙伴就要问了,那如果关闭了ControlNet,效果会如何?别急,博主也做了测试,效果是这样的:

海辛Hyacinth的这波操作也是得到了ControlNet作者的认可:

这也把博主本人激动坏了,直呼尖叫:

当然,ControlNet还可以实现其它诸多的功能,例如在装修设计上,可以输入一张拍好的卧室图,分分钟输出草图和换了风格的效果图:

以及在ControlNet的在线网站中,也提供了许多不同功能玩法体验,感兴趣的小伙伴可以去尝试哦:

给AI画画模型加buff

ControlNet的原理,本质上是给预训练扩散模型增加一个额外的输入,控制它生成的细节。

这里可以是各种类型的输入,作者给出来的有8种,包括草图、边缘图像、语义分割图像、人体关键点特征、霍夫变换检测直线、深度图、人体骨骼等。

ControlNet整体思路和架构分工如下:

具体来说,ControlNet先复制一遍扩散模型的权重,得到一个可训练副本。

据作者表示,即使数据量很少,模型经过训练后条件控制生成的效果也很好。

锁定模型和可训练副本通过一个1times;1的卷积层连接,名叫0卷积层。

0卷积层的权重和偏置初始化为0,这样在训练时速度会非常快,接近微调扩散模型的速度,甚至在个人设备上训练也可以。

例如一块英伟达RTX 3090TI,用20万张图像数据训练的话只需要不到一个星期:

作者基于当前大火的Stable Diffusion进行了具体实现,主要架构如下:

针对不同的输入,作者也给出了对应不同的模型,生成效果也都不错。

具体效果,就如我们刚才所展示的那样了。

One More Thing

最后来一个温馨提示hellip;hellip;男同胞们不要觉得2月14日这个情人节过完就安全了。

接下来还可能有白色情人节、黑色情人节(4月14日)、玫瑰情人节(5月14日)、亲亲情人节(6月14日)hellip;hellip;

赶紧把这套AI组合拳学起来,送自己的老婆/女朋友一张唯美的礼物吧!

相关资讯
  • “AI飞行员”成功驾驶战斗机 美国顶尖飞行员曾是手下败将
  • 免费的ChatGPT意外断网 国内伪装自主的AI露馅了
  • 一雪前耻!业余围棋棋手14:1击败顶尖人工智能KataGo
  • 致敬《流浪地球》 复旦发布国内首个类ChatGPT模型MOSS:未来将开源代码
  • 支持打赏
  • 支持0人

  • 反对

  • 打赏

文章价值打分

快科技·1997-2023 版权所有

豫ICP备18024899号-2豫公网安备 41010502003949号

版权声明: 本网站部分文章和信息来源互联网,并不意味着赞同其观点或证实其内容的真实性,不构成投资建议。如转载稿涉及版权等问题,请立即联系管理员,我们会予以改正或删除相关文章,保证您的权利!
版权所有: 中国体育观察网 (2012- )  备案号:沪ICP备2022019539号-11