欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  科技

英伟达又一次突破想象力:一句话实时P图 在线试玩

程序员文章站 2022-06-26 16:58:46
在“一句话生成照片”这件事上,英伟达又一次突破了大伙的想象力。他们最新的ai模型gaugan2,不仅能根据字词生成逼真风景照,还能实时用文字p图!输入一句“海浪击打...

在“一句话生成照片”这件事上,英伟达又一次突破了大伙的想象力。

他们最新的ai模型gaugan2,不仅能根据字词生成逼真风景照,还能实时用文字p图!

英伟达又一次突破想象力:一句话实时P图 在线试玩

输入一句“海浪击打岸边石”,立刻输出一张逼真照片:

英伟达又一次突破想象力:一句话实时P图 在线试玩

从单词到短语,这只ai全都能get!

英伟达又一次突破想象力:一句话实时P图 在线试玩

那感觉,简直是要山得山,要水得水:

英伟达又一次突破想象力:一句话实时P图 在线试玩

要是觉得哪部分你不喜欢,直接打字就能“p图”:

英伟达又一次突破想象力:一句话实时P图 在线试玩

上面这些效果,都是英伟达这个叫做“gaugan2”的模型做出来的,而它的“完整版”功能,还远不止这些。

从草图到文字,都能生成风景照

gaugan2的绘制模式,一共分为三种。

第一种,打字生成图片。

我们先试了一下单个词组,“阳光(sunshine)”,生成如下图片:

英伟达又一次突破想象力:一句话实时P图 在线试玩

加上限定词in the forest后,ai立刻就将场景换到了树林里,变成光洒在树林中的场景:

英伟达又一次突破想象力:一句话实时P图 在线试玩

再多来点限定词也没问题。

像“冬日树林中的阳光”,输入in winter后,眼前本来郁郁葱葱的树林立刻“全秃了”,换成了雪景下的一幕:

英伟达又一次突破想象力:一句话实时P图 在线试玩

这效果,u1s1(有一说一)确实不错。

还能输出不同style的风景图,例如输入“大山(mountain)”一词,立刻要山有山,还能给你换不同风格:

英伟达又一次突破想象力:一句话实时P图 在线试玩

当然,这些不同的风景照也都能继续生成新细节,在mountain后加上“beside a river”就能生成山水:

英伟达又一次突破想象力:一句话实时P图 在线试玩

第二种,“打字p图”,直接用文字编辑部分图像。

只需要把想替换掉的部分圈出来,输入你想要的东西,就能立刻造出各种新颖的风景图:

英伟达又一次突破想象力:一句话实时P图 在线试玩

嗯……英伟达给出的这个demo,思路也是非常清奇了,“浮在空中的城堡”:

英伟达又一次突破想象力:一句话实时P图 在线试玩

第三种,用涂鸦生成风景照。

这是上一代gaugan2(2019年英伟达推出的gaugan)的看家本领。

例如,要是想实现下面这样的“一片天空两个太阳”,就完全可以在通过文本生成的图像上,自己手动再加一个。

英伟达又一次突破想象力:一句话实时P图 在线试玩

这几种玩法叠加在一起,简直让网友们脑洞大开。

像外媒zdnet就恶搞出来了一种神奇的玩法,在已有的风景上画个人头:

英伟达又一次突破想象力:一句话实时P图 在线试玩

然后让gaugan2根据已有的画面,再重新生成图画,就会得到如下“人头海岛”的神奇景观:

英伟达又一次突破想象力:一句话实时P图 在线试玩

不过这可能也对个人画技有所要求,在我们的灵魂画风下,效果看上去就有些……不太聪明的亚子。

英伟达又一次突破想象力:一句话实时P图 在线试玩

那么,生成这一系列风景照的gaugan2,背后究竟用了什么原理?

它与openai今年发布的dall·e和clip,又究竟有什么区别?

与dall·e有什么不同?

2019年,英伟达gaugan2的“前身”gaugan正式开源。

当时的它,还只拥有其中一个能力,就是将涂鸦直接变成风景画,就像「神笔马良」一样,还推出了对应的软件canvas:

英伟达又一次突破想象力:一句话实时P图 在线试玩

当然,这时gaugan已经能随意改变画面风格了,从白天黑夜到春夏秋冬的气质都能稳稳“拿捏”:

英伟达又一次突破想象力:一句话实时P图 在线试玩

据英伟达介绍,gaugan采用了一种基于空间适应标准化(spade)算法。

spade算法不仅使用随机的输入图像,还采用了一种被称作“分割图”的图像。在分割图中,每一个像素都会被归类,来生成更接近于真实的图像,这种模式被称作“图对图翻译”。

英伟达又一次突破想象力:一句话实时P图 在线试玩

△gaugan的技能点(狗头)

现在,英伟达将gaugan升级成了gaugan2,后者一共采用了1000万张高质量的图片、在英伟达selene超算上进行训练,这台超算在green500排行榜上排到世界第二。

生成这些风景画的效果和“手法”,是不是感觉有点熟悉?

没错,大多数人看到gaugan2的第一眼,可能都会觉得它和openai的dall·e+clip有点像。

今年年初,openai用dall·e和clip两个模型,做了个“图像版”gpt-3,同样能用一句话生成图片。

英伟达又一次突破想象力:一句话实时P图 在线试玩

不过,这两个模型生成的内容其实不太一样。

gaugan2专注于生成风景照,dall·e+clip则更多地生成具体的物体,例如一把椅子或者一个闹钟等。

英伟达又一次突破想象力:一句话实时P图 在线试玩

这与它们的原理差异也有关系,gaugan2更加注重“单词与视觉效果”之间的关系,例如“冬天”这种模糊的状态词给照片带来的效果;dall·e+clip则更注重“文字-图像”这种有明确对应关系的物体效果。

据英伟达介绍,gaugan2不同于“文本-图像”和“分割图像-图像”一类的模型,它所能产生的照片种类更多,质量也会更高。

不过,偶尔也会出现点bug…

比如给出“沙滩(beach)”一词后,有些生成的画面中出现了语言无法描述的事物。

英伟达又一次突破想象力:一句话实时P图 在线试玩

对此,英伟达表示,他们在训练中“完全没有用到任何人像照片”。(所以可能是偶然?)

但这样一来,网友想要的“瑞克摇(rick roll)”和“鬼畜视频生成”,gaugan2大概也是没办法实现了。

英伟达又一次突破想象力:一句话实时P图 在线试玩

但是能生成仿佛梦境中才能见到的画面,也吸引了不少人来试玩。

这不,有人就晒出了自己生成的抽象画大作,并表示自己非常喜欢这个模型:

英伟达又一次突破想象力:一句话实时P图 在线试玩

还有人表示,gaugan2给出了一些建筑设计的新idea啊。

英伟达又一次突破想象力:一句话实时P图 在线试玩

也有网友觉得这种能够自动生成景观的功能,未来adobe可能也会用上。

或许就是下一个画手利器?

英伟达又一次突破想象力:一句话实时P图 在线试玩

最后,gaugan2在浏览器上就能试玩,欢迎大家留言讨论自己的体验感受~

gaugan2试玩demo地址:http://gaugan.org/gaugan2/

- the end -

相关标签: #英伟达