值得买科技-分享、推荐高性价品牌产品购物排行榜!

「ai」千万别让富坚义博看到这个

量子位 真实性核验

认证:数码产品优质原创作者

发布时间:2022-07-22 00:45 来源:什么值得买

浏览量:1564 1154次收藏

分类:数码产品 分辨率新闻资讯直播

本文有1929个文字,大小约为8KB,预计阅读时间5分钟

[导读]: 原文标题:千万别让富坚义博看到这个 先来看一段高清版的《清明上河图》: 你能看出这幅画与原作的差异吗? 其实,这是AI续画的一段《清明上河图》,一眼望去,这画面还真是有...

精选评测好文

 

原文标题:千万别让富坚义博看到这个

先来看一段高清版的《清明上河图》:

你能看出这幅画与原作的差异吗?

其实,这是AI续画的一段《清明上河图》,一眼望去,这画面还真是有些真 假 难 辨了。

笔墨色彩几乎完全复刻了原作。

无论是房屋树木,还是市集中熙熙攘攘的人群,AI 的笔法都抓到了原作的风格神韵,拼在一起乍一看还真认不出来。

△左是原作,右是 AI 复刻

画质还是38912 × 2048像素的那种,能直接把画面拉大 3、4 倍看细节。

喏,店铺里的小人在干啥看得一清二楚,体态和衣着也各不相同。

这就是由全华人团队打造的 AI ——女娲 · 无限版(NUWA INFINITY)。

只要给它喂一些图片、或是输入一段文字,它就能进行更细致的拓展,最终生成一幅完整的高清图像、甚至是一段流畅视频。

这是它学习了《清明上河图》之后,画出的完整版 " 大作 "。

论文前脚刚上传到 arXiv,推特上就已经引发各路网友狂呼 amazing!

还有油管博主光速更新视频讲解。标题直接用上了 "超越 DALL · E 2"、"4K" 的字眼。

除了续画《清明上河图》之外,微软的经典蓝天白云壁纸,经它之手都能变成无限加长版。

还能根据文本提示,在图像上加不同元素:要光有光,要雪有雪。(这还真是女娲技能了)

相较于当下热门的 DALL · E、Imagen 和 Parti,女娲无限版支持生成任意大小的高分辨率图像, 同时还支持生成长视频。

(没错,继 AI 续写小说热潮之后,现在 AI 终于也能续画了)

研究人员表示,他们希望这一模型能够帮助创作者们提高生产力。

所以,女娲无限版还有什么大招?

我们一起来看 ~

风格完美模仿,图像视频生成全搞定

总体来看,这个 AI 女娲无限版是个全能选手,可以挑战5 种高清视觉任务。

分别是:

让图像动起来(Image Animation)

根据文本生成视频(Text-to-Video)

根据文本生成图像(Text-to-Image)

图像补全(Image Outpainting)

图像生成(Image Generation)

先来看让图像动起来的效果。

一张静态的沙滩照片经 AI 之手后,图中的海浪都能自然地拍打海岸,层层叠叠仿佛是真实的景色一般。

一句话生成视频就更让人惊喜了。

这不,给它一个小猪佩奇原版的视频,然后再输入一句话,这位 " 女娲 " 就能自己做动画片了。

这效果完全看不出是 AI 做的啊,分辨率也达到了 1280 × 1024。甚至都能拿去蒙骗小孩子?

(嗯,别让富坚义博看到这个 AI ……)

能根据文本搞定视频,当然图像也不在话下。

给 AI 一张风景照,再输入不同的文本表示,它就能根据需要在照片中加各种元素了。

比如滚滚海浪、群山环绕、星空、云彩等,都可搞定。

接下来则是文本图像生成了。这个任务可以说是 DALL · E2、Imagen 和 Parti 的 " 拿手好戏 ",也是这段时间几大模型 battle 的核心。

不过从生成效果来看,NUWA-Infinity 也同样 " 可以一战 "。

△" 微软已加入战场 "

输入 " 田野上有房子、天空中有云彩 ",女娲无限版立刻呈现出了一张景色优美的照片。

分辨率高达4069 × 1024,仿佛是拿单反真实拍下的一样。

最后,就是 NUWA-Infinity 的核心能力—— " 续画 " 了。

在补充图像上,这只 AI 已经挑战了不少世界名画,并且都可以做到几乎以假乱真。

梵高笔下的星空,它能补充浩瀚深邃的画面。

笔触连接的地方十分丝滑,整体画面的协调感也很高。

莫奈的名作也能信手拈来。

值得一提的是,原画中人物的影子沿着右下方拉去,AI 在补充画面的时候,还非常聪明地在左边补充了太阳。

阳光洒在海面上,波光粼粼的细节都画出来了。

除了世界名画以外,风景照片同样也能补全啦。

这效果,仿佛它就在拍照现场,直接把原本的画面搬了上来。

那么,NUWA-Infinity 究竟是怎么拥有 " 续画 " 的能力呢?

基于自回归的 " 无限视觉合成 "

与 DALL · E 和 Imagen 最大的不同在于,NUWA-Infinity 在图像生成上没有采用扩散模型。

这是因为,扩散模虽然在图像生成上效果不错,但它没有办法改变输出图像的大小,包括训练和推理图像的宽高是被预先定义好的。

因此,为了让模型学会 " 续画 ",论文提出了一种基于自回归的自回归生成模型(autoregressive over autoregressive generation),训练时将图像被分成很多个小块,然后再对每个小块(patch)分别进行训练。

不过,如果只对这些 patch 单独训练,容易导致合成图像时出现 " 不和谐 " 的结果,例如把头发 p 到脸上等等。

因此,与一些基于 GAN 的模型直接对每个 patch 进行独立训练不同,NUWA-Infinity 在进行训练时,有意识地去加强各个 patch 之间的 " 依赖性 "。

除了对每个 patch 进行独立训练以外,NUWA-Infinity 在推理图像时,还会要求各 patch 与周围的 patch 产生 " 联系 ",让生成的图像更具有连续效果。

当然,推理出图像或视频的步骤,在 NUWA-Infinity 做不同任务时也不一样。

由于文本是一维数据,图像是二维(宽 + 长)数据,视频则是三维数据(宽 + 长 + 时间),因此 NUWA-Infinity 在做不同任务时,推理的顺序也不同。

例如,在 " 补全图像 " 的过程中,图像推理是一圈一圈向外生成的;而在文本生成图像、或是视频文本生成时,这些推理的顺序又有不一样的变化:

不过,NUWA-Infinity 也还有一些局限性,例如与 DALL · E2 和 Imagen 不同的是,它是在特定数据集(清明上河图、小猪佩奇等)上训练的。

因此,一方面 NUWA-Infinity 在更一般的数据集上是否也能表现出这么好的效果,还有待佐证;

另一方面,在文本生成图像上,目前作者并没有将它这一能力与 DALL · E2 和 Imagen 等模型进行对比,因此在这一任务上并不能说它是最优秀的,只能说生成图像大小上减少了一些限制。

作者:代码在尽力肝了

论文的一作吴晨飞(Chenfei Wu),博士毕业于北京邮电大学,现工作于微软亚研院。

在北邮读博期间,他在 NeurIPS 和 ACM Multimedia 等顶会上发表过不少与视觉问答(VQA)相关的论文。

△图源北邮计算机学院

共同一作Jian Liang, 来自北京大学。

值得一提的是,去年被 ECCV 2022 收录的 NUWA 论文,也是这两位作者合作产出的。

此外,来自微软 Azure AI 团队的 Xiaowei Hu、Zhe Gan、Jianfeng Wang、Lijuan Wang、Zicheng Liu,以及北大副教授方跃坚也参与了此次研究,通讯作者则是微软亚研院的高级研究员 & 研究经理段楠。

对于这项研究本身,有网友调侃:才注册完 DALL · E2 测试版就看到这个,快跟不上节奏了……

还有网友大胆想象 " 有生之年 " 系列:以这个速度,世纪结束前我们是不是能玩上 " 可实时生成 " 的定制 VR 游戏了?

但对于研究的效果,也有读者怀疑是在 " 吹牛 ",因为这次的 " 无限版 "NUWA 还并没有开源。对此作者之一 Zhe Gan 回应表示:

我们也很想放出代码,正在努力 ing。

此外也有读者对于 AI" 续画 " 的能力提出了疑问:

对于 AI 来说,到底是 " 续 " 一幅画难,还是从 0 生成一个图像更难?

你觉得呢?

论文地址:

https://arxiv.org/abs/2207.09814

项目地址:

https://nuwa-infinity.microsoft.com/#/

参考链接:

[ 1 ] https://twitter.com/_akhaliq/status/1549954767585173505

[ 2 ] https://twitter.com/zhegan4/status/1549970325705658369

[ 3 ] https://scs.bupt.edu.cn/info/1027/1798.htm

[ 4 ] https://www.youtube.com/watch?v=_KvGSf1y0MU

推荐阅读:Kamomefan281风扇体验<\a>

其他人还看了

「ai」沙利文发布2021中国对话式AI市场报告,腾讯云智能市场领先获四项第一

容量堪比小型储能电源的国民好物,aigo爱国者C40S移动电源体验

简约小巧,最大承载2500W,U口功率15.5W,aigo魔方插座体验

JEETAir2真无线蓝牙耳机:迷你小巧也舒适,睡前佩戴入睡快!

降噪效果不错的头戴式蓝牙耳机推荐,这几款头戴耳机隔音超好

哎呦不错哦,赞!(687)
打赏 打赏打赏给作者

郑重声明:本文“「ai」千万别让富坚义博看到这个”,https://nmgjrty.com/shumacp_488666.html内容,由量子位提供发布,请自行判断内容优劣。

上一篇:「小米」小米新机通过认证搭载联发科4G芯片或在近日亮相

下一篇:「华为」竞赛大佬在华为:网络专家出身斯坦福物理系,还有人“工作跟读博差不多”

说点什么吧
  • 全部评论(0
    还没有评论,快来抢沙发吧!
相关推荐

返回顶部