2022/08/29 16:04

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

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。

工程