加上Web UI，文本-图像模型Stable Diffusion变身绘图工具，生成艺术大片

‍机器之心报道

编辑：杜伟、陈萍

对于艺术家和插‍图画家来说，这类绘图工具虽然省时省力，但如何保持自己的创作风格是一个大问题。

前段时间，来自慕尼黑大学和 Runway 的研究者，与Eleuther AI、LAION 等团队合作，共同开发了一种文本转图像模型 Stable Diffusion。这项研究入选CVPR 2022 Oral。 Stable Diffusion 可以在消费级 GPU 上的 10 GB VRAM 下运行，并在几秒钟内生成 512x512 像素的图像，无需预处理和后处理。 Stable Diffusion的生成效果是这样的。宇宙的演变：

生物的进化：

‍‍‍

‍这成片质量妥妥达到了大片级别。试想一下，如果将Stable Diffusion的作图功能发展成为一种绘画工具，将其与Web UI相结合，会带来怎样的设计体验。现在，有这样一个项目，可以满足广大研究者的需求。

• 项目地址：https://github.com/hlky/stable-diffusion
• Docker镜像：https://github.com/AbdBarho/stable-diffusion-webui-docker

有了这个项目，没有系统学习UI知识的小伙伴，也可以上手操作。例如自己动手设计城堡，并且周围环境按自己喜好来设计：

在城堡外面安排一名侍卫，并让一位骑马的战士奔向城堡：

城堡上空的光线不好，想换种颜色，也以实现：

‍ 不过想要实现上述效果，还需要Gradio库，这是一个免费、开源的Python库，它允许用户为机器学习模型开发易于使用的可定制组件演示，还可以帮助用户构建一个可以互动的网络应用。 不过带有Gradio UI的原始脚本是由一位匿名用户编写的，现在该项目进行了一些修改：

借助这一项目，用户不再需要手动输入参数，需要做的是编写提示并调整滑块就可以了，其强大的设计工具，还可用于重新生成要更改的图像的特定部分，并且生成的图像失真少、质量还高。

该库还内置了GFPGAN选项，不到半秒就能修复失真人脸；此外还内置了RealESRGAN选项，用来提高图像的分辨率。

网友：文本转图像模型有利有弊

对于Stable Diffusion的这一应用，众多网友表示「赞极了」。

对于它的应用前景，更有人预测称，「未来几年用它做专辑封面将会变得更加疯狂。」

不过也有持相反意见的，认为「这是该技术对艺术家和插图画家有害的典型例子，他们不用付出太多天赋和努力就能生成不可思议的艺术图像。不过未来仍需要艺术家，只要他们将自己的风格融入到这些模型中。」

还有些网友认为，文本转图像有点像语言翻译领域正在经历的事情。借助机器学习模型生成的译文质量不一，然后译者对译文进行润色编辑。而由于生成的图像具有各种各样的伪影，艺术家们可能要做更多的修饰工作。

‍

掌握「声纹识别技术」：前20小时交给我，后9980小时……

《声纹识别：从理论到编程实战》中文课上线，由谷歌声纹团队负责人王泉博士主讲。

课程视频内容共 12 小时，着重介绍基于深度学习的声纹识别系统，包括大量学术界与产业界的最新研究成果。

同时课程配有 32 次课后测验、10 次编程练习、10 次大作业，确保课程结束时可以亲自上手从零搭建一个完整的声纹识别系统。

课程目前还在首周优惠中，欢迎对声纹领域感兴趣的同学一起学习。

点击阅读原文，了解更多课程内容。

© THE END 

转载请联系本公众号获得授权

投稿或寻求报道：content@jiqizhixin.com