.hd-box .hd-fr

新恐怖谷:全球 500 万网友被骗,爆火 TEDx 演讲者没一个是真人

2024-08-10 20:20新智元(Aeneas 好困)18评

原文标题:《超越恐怖谷!全球 500 万网友被骗,爆火 TEDx 演讲者没一个是真人?》

最近,这几位 TED 演讲者,在外网形成了病毒式传播,然而,他们竟然全都不是真人?!答案揭晓后,五百万网友简直惊掉下巴。这 5 张图里,你能发现几个 bug?

最近,这些「TED 演讲者」在外网火得一塌糊涂,堪称病毒式传播。仔细看看,你能发现什么问题吗?

答案揭晓 —— 这五个人中,没有一个是真人!

在线寻人的小哥要哭了

如此逼真,几乎毫无破绽,这种级别的生图 AI 直接让网友们惊掉下巴。甚至连 AI 识别软件,都认不出来这是 AI 生成的图。

「看起来真实,难道不是因为本来就是真实的照片?」

「没有一张是真人吗?简直令人毛骨悚然!」

网友锐评:这已经超越了恐怖谷,到达了「超真实谷」。

短短十几个小时,分享这张图片的帖子,在推上的观看人数已经破了 500 万。

随后,作者也被扒了出来 —— 他就是 Stable Diffusion 团队的前成员 Leo Kadieff。他揭秘道:这些 TEDx 演讲者,都是用最新的 Flux 真实版 LoRA 制作的。

以往的 AI 生图,人眼多少都会看出违和感,而这次的图片如此逼真,正是靠 LoRA 技术改进了模型,才大大增加了真实感。

并且,作者介绍说,这个工作流还有一个好处,就是大大简化了复杂的提示词。

这个消息,简直让提示词苦手们狂喜。

这个小小的 22MB 文件,就可以让我们省去麻烦,不必再在每个提示词中写一堆与真实性相关的 Token。

一句「一张 RAW 超现实主义照片,UHD,8k」,足矣。现实主义爱好者,绝对爱死了这个工具。

作者直言:我们还需要对现实模型进行微调吗?

Lora:https://huggingface.co/XLabs-AI/flux-RealismLora/tree/main
ComfuUI:https://we.tl/t-zrC5tPFG17

真实版 LoRA,效果拔群

从下面这两幅图中不难看出,用 LoRA 和不用 LoRA 的效果对比,果然十分明显。

网友已玩嗨

与此同时,「TED 演讲者」的分享者 Kyrannio,也尝试用 Midjourney 复刻了一波。

最初的提示词如下:

一位女性在舞台上发言,来自谷歌,白色背景,企业标志被模糊处理,科技会议 --style raw --v 6.1

可以看出,生成效果还不错,但与 Leo Kadieff 生成的图片差距依然很大。

接着,博主又进行了一些改进:

一位年轻女性微笑着在舞台上发言,来自谷歌,白色背景,企业标志被模糊处理,科技会议 --style raw --v 6.1

并在经过多次生成之后,试出了最为接近的结果:

与此同时,随着谷歌 Imagen 3 公开可用,网友们也在第一时间拿着这套 prompt 进行了尝试。

一时间,全网都掀起 AI 生图的热潮。

Imagen 3 全员可用

没错,正如刚刚提到的,谷歌最强文生图模型 Imagen 3 已经正式开放可用了。

prompt:Photo of a man holding a sign that says: "Imagen Is Now Almost As Good As Midjourney" in New York City.

来源:Risphere

网友 chrypnotoad 表示,自己还没见过哪个 AI 能把阿喀琉斯之盾做得这么好的!

能轻松 hold 住如此复杂的 prompt,Imagen 3 果然不能小觑。

知名博主「歸藏」在体验之后表示:

生成的内容准确但图片美观度很差。只要涉及人物,你就得仔细斟酌提示词写法,不然大概率无法出图。

好在,他们在提示词的交互上做得很好:

LLM 会分析提示词类型,并且给出相关词语你可以直接切换。

来源:歸藏

除了直接生成之外,Imagen 3 还支持局部重绘功能,用画笔和提示词对图片进行编辑。

来源:歸藏

当然,几家顶流文生图 AI 的 PK,肯定也少不了:Midjourney V6 vs Imagen 3 vs FLU.1 [pro]。

异色瞳的亚洲女性。

美洲原住民。

有美人痣的南亚妇女。

疯狂的艺术家。

很遗憾,谷歌大概因为安全设置过于敏感,并不能生成这个 prompt……

留着八字胡的高加索老人。

Runway 也来蹭了一波,但…

趁着这股热度,Runway 创意总监 Nicolas Neubert,还用自家的 Gen-3 Alpha 生成了一段视频。

果然,AI 图片变成视频后,效果依然杠杠的!

而这个帖子,也同样引起了轰动。

网友赞叹道:从一年半前惨不忍睹的威尔・史密斯吃意面,到今天这个程度,进步可谓是疯狂的。

同时,也有火眼金睛的网友发现,这个视频依然有一些细微的 bug。

比如人的舌头不会动,牙齿有些弯曲、扁平,第 4 秒时左臂出现了奇怪的斑点,还有 Google 标志处的 bug,也非常明显。

如果看得再仔细点,会发现所有的阴影都很不自然,比如麦克风的阴影。还有东西接触的地方,很多线条是乱的。

嘴唇的动作也不自然。

眼睛看起来仍然没有灵魂。

总的来说,相比于 AI 生图,目前 AI 视频的 bug 显然要多得多。

背后的原因还是在于,AI 根本不理解人类的舌头、头发、眼睛究竟是什么东西。接下来的 AI,还是要学会人体解剖和物理学才行。

而且,在文生图这块,Runway 就要差得多了。

SD 一作携原班人马创业,一出手就是王炸

说回到 FLUX.1,其实在 8 月初的时候它就引起过一波热议。

Stable Diffusion 一作、Stabililty AI 核心成员 Robin Rombach 下场创业,官宣成立 Black Forest Labs。

祭出的首个产品 FLUX.1 系列模型,效果直接秒杀 Midjourney、DALL-E 和 Stable Diffusion!

根据官博的介绍,FLUX.1 在图像细节、提示词遵循、风格多样性和场景复杂性方面都取得了 SOTA。

尤其是 FLUX.1 [pro],经过测试在一众文生图模型中拔得头筹。

视觉质量、提示词遵循、尺寸 / 纵横比变化、排版和输出多样性

ELO 得分

为了在可访问性和模型能力之间取得平衡,FLUX.1 有三种变体:FLUX.1 [pro]、FLUX.1 [dev] 和 FLUX.1 [schnell]:

- FLUX.1 [pro]:FLUX.1 的顶级版本,提供最先进的图像生成,具有一流的提示词跟随能力、视觉质量、图像细节和输出多样性。

- FLUX.1 [dev] 是一个开放权重的指令蒸馏模型,用于非商业应用。由于是从 FLUX.1 [pro] 直接蒸馏而来,因此 FLUX.1 [dev] 不仅获得了强大的质量和提示词跟随能力,而且比同规模的标准模型更加高效。

- FLUX.1 [schnell] 是最快的模型,专为本地开发和个人使用而设计。(schnell 在德语中就是快的意思)

值得一提的是,所有 FLUX.1 模型都基于多模态和并行扩散 Transformer 块的混合架构,参数规模为 120 亿。

其中,团队通过构建流匹配(flow matching)改进了之前的扩散模型,并且通过结合旋转位置嵌入(rotary positional embeddings)和并行注意力层提高了模型性能和改进硬件效率。

团队成员

扒开 Black Forest Labs 主页,可以看到团队共有 15 位成员。

创始人正是老熟人 Robin Rombach。

Stability AI 曾收购了 Robin 的 Latent Diffusion 模型,并聘请他成为首席科学家。

在 Google Scholar 网站上,Robin Rombach 参与论文《High-Resolution Image Synthesis With Latent Diffusion Models》已经收获了 9000 多次引用。

期间他领导了全球著名文生图开源项目 Stable Diffusion 系列,这也是全球下载最多、使用最广的开源大模型之一。

论文地址:https://arxiv.org/pdf/2112.10752

Andreas Blattmann、Patrick Esser、Dominik Lorenz 三人皆是 SD 论文作者,也是 Black Forest Labs 创业团队的新成员。

除了 Bjorn Ommer,可以说 Robin 将 SD 核心元老全都带走了。

《Fast High-Resolution Image Synthesis with Latent Adversarial Diffusion Distillation》,正收 Robin 离职前发表的最后一篇论文。

论文地址:https://arxiv.org/abs / 2403.12015

值得一提的是,在这篇论文中,Andreas Blattmann、Tim Dockhorn、Axel Sauer、Frederic Boesel、Patrick Esser 也参与了其中。

除此以外,新团队曾经的创新成果包括创建 VQGAN 和潜在扩散(Latent Diffusion)、用于图像和视频生成的 SD 模型(SD XL 、SVD)以及用于超快速实时图像合成的对抗扩散蒸馏(Adversarial Diffusion Distillation)。

看来,AI 生图和视频的进步速度,还在不断加快。再过一年,我们能看到的 AI 图片和视频,将是惊人的。

参考资料:

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。

下载IT之家APP,分享赚金币换豪礼
相关文章
大家都在买广告
热门评论
查看更多评论