梦晨 发自 凹非寺
量子位 报道 | 公众号 QbitAI
嫌弃GAN生成的图像不够炫酷?
不需要改变数据集,只需要给CLIP下达的命令中把“虚幻引擎”几个字加上,再让CLIP去指挥GAN,图像就立马变成了高大上的CG艺术风。
文字中加入虚幻引擎这个技巧,最早由Aran Komatsuzaki发在推特上,吸引了大量CV圈的人来围观。
后来有人把这套流程发在了Colab上,网友们都玩疯了。
还可以指定成“彩色铅笔风格”
或者“吉卜力风格”:
最绝的是,加上“3D photo inpainting”竟然可以生成立体构图。
CLIP是OpenAI开发的一个负责给图像重排序的模型,它与GAN合作的方式也很简单。
先用一张平平无奇的随机图案作为种子,像这种:
像这样让CLIP算出其与文字描述的相似度打分,然后反馈给GAN,让GAN以提升分数为目标不断迭代。
AI艺术家组合就这么出现了。
除了在提示中加入风格要求之外,还可以直接告诉AI一个人名,看看在AI眼中他们长啥样。
甚至能用来猜猜那些从未露面的大佬们,比如神秘的比特币之父中本聪。
这就是AI心目中的中本聪,不管你信不信,反正我是信了。
在线试玩
VQGAN+CLIP在Colab上有很多版本,我们经过对比选择了一个加入额外优化和池化技巧,在速度和质量上都比较出色的一个(链接在文章末尾)。
第1步和第2步,按顺序执行就好。
第3步,选择使用的模型,默认的是用ImageNet训练的。
第4步设置参数,一般情况下只需要在texts里填上要生成的内容,用“|”分隔。
width和height控制生成图像的分辨率,model可以选择使用的模型(需要在第3步中下载)。
改变seed的数字可以更换随机图像种子。
另外还可以在init_image处指定一张初始图片,需要把图片上传到Colab环境里再填入链接。
比如,有人使用这样一张图片作为图像种子,开发了新玩法:生成宝可梦。
第五步执行,300*300分辨率的图迭代500次只需要几分钟。
最后,还可以把生成的过程合成为视频。
就是这么简单,快来试试吧。
在线试玩:
https://colab.research.google.com/drive/1ZAus_gn2RhTZWzOWUpPERNC0Q8OhZRTZ
VQGAN:
https://github.com/CompVis/taming-transformers
CLIP:
https://openai.com/blog/clip/
参考链接:
[1]https://twitter.com/arankomatsuzaki/status/1399471244760649729
[2]https://twitter.com/92C8301A/status/1408795789766365187
[3]https://twitter.com/ak92501
[4]https://twitter.com/casvaIuir/status/1408394829218914305