什么？这些不是真人照片，都是AI画出来的？！
最近这样一组美女图片刷屏了，许多人看到第一反应都是“AI逼真到这个份上了？”。 直到看到手部露出了破绽，才敢确定确实是AI画的。 原来在ChatGPT的光芒掩盖一切的这段时间，图像生成AI已经从从画画悄悄进化到了“画照片”。 这种风格和质量的AI照片，还有很多在各大网络社区流传，国内贴吧、微博、NGA，国外推特、油管，到处都是。 有网友表示：AI聊天+AI照片，快进到AI网恋诈骗。 而Cosplay风格的AI照片也让一些人感叹“商业Coser和摄影师可能双双下岗”。 根据各帖子发布者透露，这些AI照片都出自同一个模型，Chilloutmix。
多个模型融合进化，照片级AI诞生 ChilloutMix，二月初出现在模型分享社区CivitAI（不少爱好者称之为c站）。 不到两周时间，下载数量超过5万。 简单来说，这个模型还是基于大家熟悉的Stable Diffusion，1.5版本，但是由许多衍生模型合并（Merge）而来。 主要组件包括两大模型，首先是Basilmix，专攻逼真的纹理和亚洲脸型。 但这个模型主要还是擅长半写实的“2.5D风格”。 接下来合并了用照片集数据优化的Dreamlike的衍生模型，让最终生成结果更接近3D写实风格。 除了两个主要模型之外，作者还添加了一些小的Embeddings（相当于给AI模型打补丁）。 比如第一个Pure Eros Face，提供的.pt文件只有3.92KB，可以合并到任何基于SD1.5的模型，专门负责生成“纯欲系面孔”。 所有这些模型和Embeddings，各自擅长不同的地方，如一种画风、一种纹理、人物脸型甚至姿势。 Merge在一起后，可通过不同提示词调用它们的能力，一般原作者都会附上使用指南。 如果还是不太会用，CivitAI社区里还会有很多网友晒使用相应模型生成的作品，其中还有很多标记了“NSFW”或“18+”，懂得都懂。 除了ChilloutMix之外，文章开头的那组图片之所以能固定生成同一张面孔，还使用了另一项技术LoRA。 LoRA本来是微软研究团队早在2021年提出的一项大语言模型微调的技术，可以大大提高微调训练速度。 去年底，韩国科学技术院KAIST一位研究员@cloneofsimo与HuggingFace合作，将此方法扩展到Stable Diffusion上。 不仅实现了单块11GB显存的RTX2080Ti实现模型完整微调，同时原始模型权重冻结，新训练出来的权重可以保存为3MB大小的单个文件发布。 这项技术被AI绘画爱好者用来让模型固定生成一个物体，最流行的就是固定一个人物形象。 现在，在CivitAI社区里，每个微调好的权重就叫做一个Lora，就相当于一个人物模版，所有人都可以方便下载使用。 如开头的那组图片就是来自叫“Korean Doll Likeness”的Lora，目前下载量排名第一。 对于ChilloutMix+LoRA这样的技术，作者也意识到了可能被滥用的风险，并着重提示了法律风险，特别强调不要用于真实存在的人物。 为什么AI还是不会画手？ 对于这个问题，最近也有了研究进展。 Stability AI 发言人表示，在AI数据集中，手的图像不够显著，“在源图像中，手（比面部部分等）要小得多。” 佛罗里达大学AI和艺术副教授Amelia Winger-Bearskin解释说，AI基于从互联网上收集的数十亿张图像进行训练，它并不能真正理解“手”是什么，至少不理解解剖学意义上手和人体的关联。 在用来训练生成AI的图像中，手通常会抓住一些东西，或者另一只手。如此一来，手指的情况就不容易辨清。 如果所有的训练图像中，手都是五指张开，AI就能够画出正常的手。 | 
发表于 2023-2-23 08:18:30
