让 AI 学会画手的方法来了，给输入加个 buff 就能控制生成细节

原文标题：《让 AI 学会画手的方法来了，给输入加个 buff 就能控制生成细节，华人小哥出品丨 GitHub 4.6k 星》

给画画 AI 加个 buff，画起图像就像开了挂。

加个人体骨骼绑定 buff，Stable Diffusion 直接快进到生成 3D 动漫：

加个抽象到爆的草图 buff，AI 变着风格生成“完全一致”的狗子：

就连号称“AI 杀手”的手部细节，也能在控制之下画得惟妙惟肖：

这个名叫 ControlNet 的新 AI 插件，可以说是给画画 AI 来了最后的“临门一脚”——

原本 AI 无法控制的手部细节、整体架构，有了它之后，加上 Stable Diffusion 这样的扩散模型，足以生成任何人们想要的图像。

发出不到两天，ControlNet 就在 GitHub 上火了，目前已经狂揽 4.6k 星：

△“让我们控制扩散模型”

各种效果图更是在推特上爆火，试玩过的网友直呼：

游戏结束！

所以，这个 ControlNet 究竟给扩散模型加了什么 buff？

给 AI 画画模型加 buff

ControlNet 的原理，本质上是给预训练扩散模型增加一个额外的输入，控制它生成的细节。

这里可以是各种类型的输入，作者给出来的有 8 种，包括草图、边缘图像、语义分割图像、人体关键点特征、霍夫变换检测直线、深度图、人体骨骼等。

那么，让大模型学会“按输入条件生成图片”的原理是什么呢？

ControlNet 整体思路和架构分工如下：

具体来说，ControlNet 先复制一遍扩散模型的权重，得到一个“可训练副本”（trainable copy）。

相比之下，原扩散模型经过几十亿张图片的预训练，因此参数是被“锁定”的。而这个“可训练副本”只需要在特定任务的小数据集上训练，就能学会条件控制。

据作者表示，即使数据量很少（不超过 5 万张图片），模型经过训练后条件控制生成的效果也很好。

“锁定模型”和“可训练副本”通过一个 1×1 的卷积层连接，名叫“0 卷积层”。

0 卷积层的权重和偏置初始化为 0，这样在训练时速度会非常快，接近微调扩散模型的速度，甚至在个人设备上训练也可以。

例如一块英伟达 RTX 3090TI，用 20 万张图像数据训练的话只需要不到一个星期：

作者基于当前大火的 Stable Diffusion 进行了具体实现，主要架构如下：

针对不同的输入，作者也给出了对应不同的模型，生成效果也都不错。

例如这是采用 Canny 边缘检测算法检测出的边缘，用于生成图像：

这是基于霍夫变换的直线检测算法生成的直线草图，用于生成各种风格的室内设计：

当然，自己作画也可以，例如这是基于用户草图生成的小龟：

提取深度图，并让 AI 生成一幅相似的图像，直接举一反五：

语义分割下的游泳池图像，不仅水里有倒影细节，建筑也变化多样：

不过目前来看，最受欢迎的还是基于人体姿态估计算法，控制动漫人物的动作生成：

看到这里，是不是已经有了大胆的想法？（手动狗头）

曾开发爆火 AI 上色插件

这个项目的作者 Lvmin Zhang，2021 年本科毕业于东吴大学，目前在斯坦福大学读博。

他最出名的项目之一，是 2017 年开发的 AI 上色插件 style2paints，目前 GitHub 上已经有 15.9k 星。

style2paints 也经过了好几次迭代，目前即将更新到第五版。

这是第四版的效果，只需要线稿，AI 就能自动给你的图像完成上色：

除了这个项目以外，他也是 CV 顶会的常客了。

One More Thing

值得一提的是，现在已经有基于 ControlNet 的国内产品上线了。

这个产品名叫稿定 AI，包含照片转插画、插画线稿上色、插画优化翻新等功能，正是基于 ControlNet 打造。

作画效果大概是酱婶的：

感兴趣的小伙伴们可以去试玩一波了~

项目地址：

https://github.com/lllyasviel/ControlNet

参考链接：

• [1]https://lllyasviel.github.io/Style2PaintsResearch/

• [2]https://twitter.com/search?q=controlnet&src=typed_query

• [3]https://www.gaoding.com/ai

本文来自微信公众号：量子位 （ID：QbitAI），作者：萧箫

广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。