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？ 这些图像是 Flux+LoRA 的原始输出，未经过任何放大或后期处理 你需要对应的「RealismLora」文件，以及 ComfyUI 工作流Lora：https://huggingface.co/XLabs-AI/flux-RealismLora/tree/mainComfuUI：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/2112.10752Andreas 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：https://x.com/koltregaskes/status/1821984829065588891https://x.com/doganural
IT之家
评论 ( 0 )