編輯：Aeneas 好困
【新智元導讀】趁我們不注意，AI畫手一直在悄悄迭代，最近新推出的Stable Diffusion Reimagine和Midjourney v5功能如此強大，不僅要淘汰人類畫師，連提示工程師的飯碗怕是都要丟了。這次，人類畫手是真要失業(yè)了。
你敢相信，這張電影劇照一樣的圖片，居然是AI畫的？
Midjourney v5生成的光影和皮膚效果
更邪乎的是，AI畫手還會自己動腦子。
最近新出的Stable Diffusion Reimagine，只要你給它一張圖，它就會無限開發(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AI，無論要求多奇葩，要改多少次，甲方爸爸想要的方案，設計師和畫手幾分鐘就甩給他。
logo放大的同時能不能縮小一點？改！
想要五彩斑斕的黑？改！
就是這么氣定神閑，游刃有余。
唯一要擔心的就是，千萬別讓甲方爸爸知道……
AI學會想象，人類連prompt的工作也要丟了？
Stable Diffusion這個AI畫圖工具，咱們都很熟悉了。
昨天，Stability AI又曝出一個震撼消息：它把Stable Diffusion大大改進了一把。
這次新推出的產品，叫做Stable Diffusion Reimagine。
敢叫Reimagine，聽起來就很震撼。
沒錯，現(xiàn)在你只要上傳一張圖片，SDR就可以根據這個圖片創(chuàng)作無數(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，而是根據原始圖像的靈感，重新創(chuàng)作新圖。
體驗地址：https://clipdrop.co/stable-diffusion-reimagine
我們都知道，在以往的AI作圖工具中，prompt的質量，往往決定著你能畫出圖片的上限。
很多人說，會不會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AI大獎的秘密武器。
去年在科羅拉多州博覽會藝術比賽的獲獎者、《太空歌劇院》的創(chuàng)作者，就拒絕分享出自己在Midjourney所用的提示。據說，他花了80多個小時，在900次迭代中，才完成了這幅畫作。
而現(xiàn)在，不需要多復雜的prompt，只需要把一張圖片丟給AI，算法就可以創(chuàng)造出我們想要的無窮多變化。
輕點一下鼠標，你的臥室立馬大變樣。
技術原理
這個全新的Stable Diffusion Reimagine，是基于stability.ai創(chuàng)造的一種新算法。
經典的Stable Diffusion模型，都是被訓練成以文本輸入為條件。
而Reimagine中，用一個圖像編碼器取代了原來的文本編碼器。不是根據文本輸入來生成圖像，而是從圖像中生成圖像。在編碼器通過算法后，還加入一些噪音，以產生變化。
這種方法產生了外觀相似、但細節(jié)和構圖不同的圖像。
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自原始圖像的任何一個像素。
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節(jié)水平的圖片。
據悉，Stable Diffusion Reimagine的模型很快就會在StabilityAI的GitHub上開源了。
發(fā)揮不穩(wěn)
當然，Reimagine也存在一定的局限性。
最大的缺陷就是，它不會根據原始的prompt創(chuàng)作圖像。
另外呢，它的發(fā)揮也沒有那么穩(wěn)定，有時很驚艷，有時會比較拉跨。
另外，雖然Stability AI在模型中安裝了一個過濾器，阻擋不適當?shù)恼埱螅膊皇侨f能的。
另外，AI模型都無法避免的偏見問題，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。
網友已玩瘋
而網友們當然已經迫不及待地玩上了。
左上角（或最左側）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。
從分享的作品上來看，效果最為突出的確實是設計：
Stable Diffusion Reimagine可以在不改變整體氛圍的情況下，重新設計整個場景。
看得出來，Stable Diffusion Reimagine在手繪作品的處理上，表現(xiàn)得非常出色。
這位網友表示，它對「感覺」理解得相當好，自己很喜歡這種自由發(fā)揮的效果。
此外，Stable Diffusion Reimagine對二次元角色拿捏得也不錯。
在真實場景中，有網友在嘗試了自己的自拍之后大贊稱：「我打賭你們絕對猜不到哪張照片是真的。」
然而，小編在嘗試一些「名場面」時，結果卻是下面這樣的……
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)場怒扇克里斯洛克耳光」試試？
啊，這……
或許是我們的打開方式不對，畢竟，Stability AI的主要目的幫助設計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做個測試吧。
注意看，下面是官方的演示：
而下面這個是同一張圖的「復現(xiàn)」效果……
顯然，Reimagine生成的圖片看起來遠沒有那么逼真，而且比例也很奇怪。
在進行了數(shù)次嘗試之后，我們仍然沒有得到一張看起來完全真實的圖像。
對此，有網友在嘗試之后也表示，Stable Diffusion Reimagin生成圖片的質量跟Midjourney的差距還是很大的。
因為Midjourney可以通過社區(qū)生成的大量反饋進行優(yōu)化，而這一點是Stable Diffusion難以比擬的。
AI畫手終于會畫手了
而另一強大的AI畫手——Midjourney，當然也沒閑著。
本周三，Midjourney宣布：我們已經升級到第5版了！
比起之前的版本，V5版的圖像質量更高、輸出更多樣化、有更廣泛的風格、支持無縫紋理、有更寬的縱橫比、有更好的圖像提示，以及更寬的動態(tài)范圍……
Midjourney V5的效果怎么說呢，AI藝術家們給出的評價是——「太逼真，太完美，以至于令人毛骨悚然。」
「仿佛一個近視眼忽然戴上了眼鏡——畫面忽然間就變成4k的了。」
網友評價：因為每次都太完美，太驚艷，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，在圖像細節(jié)上一直在不停進步。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prompt「一個肌肉發(fā)達的野蠻人在 CRT 電視機旁手持武器、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，還是對人手的處理。
nice！
眾所周知，Midjourney、Stable Diffusion和DALL-E等模型， 都經過了數(shù)百萬人類藝術家作品的訓練。
為了構建LAION-5B數(shù)據集，AI研究者指導的機器人爬取了數(shù)十億個網站，包括DeviantArt、ArtStation、Pinterest、Getty Images等的大型圖像庫，并收集了數(shù)百萬張照片。
然而即便如此，AI畫手依然沒學會畫手。
即便是人和場景都已經達到真假難辨的程度，只要放大手部，基本就是一秒破功。
網友們紛紛表示，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)。
而佛羅里達大學AI和藝術教授Amelia Winger-Bearskin的解釋是AI們并不能真正理解「手」是什么，不理解它在解剖學上與人體有什么關系。
而Wieland發(fā)現(xiàn)，Midjourney v5在大多數(shù)時候，都能畫出5個手指的手，而不是7到10個指頭的。
而AI會畫手之后，網上出現(xiàn)的任何照片，都真假莫辨了。
如果非要說Midjourney V5有什么缺點，大概就是太過逼真和完美，也就讓我們喪失了那種多次嘗試后找到最佳結果的快感。
（昨天試了多次終于用文心一言畫出完美林黛玉的小編表示，非常贊同）
這就是老虎機效應（near-miss）——就差那么一點兒，才是讓我們繼續(xù)玩下去的動力。
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
