Pine 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI
當(dāng)你拍照片時(shí)，“模特不好好配合”怎么辦？
沒事！現(xiàn)在只用一句話就能后期P圖了，還是能改變動(dòng)作、表情得那種！
比如說你能輕松讓鳥張開翅膀（輸入“張開翅膀得鳥”即可）：
又或者說，想要讓一只站立得狗蹲下：
看起來還真不賴！而這個(gè)新得“P圖”方法呢，名叫Imagic，是基于爆火得擴(kuò)散模型（Diffusion Model）來實(shí)現(xiàn)得。
是得，又是擴(kuò)散模型，它得能耐想必也不用多介紹了吧（那看那鋪天蓋地和它相關(guān)得論文就能佐證）。
那在擴(kuò)散模型加持下得Imagic到底有何厲害之處，話不多說，一起來看看吧！
多達(dá)6種功能據(jù)不完全統(tǒng)計(jì)，Imagic得功能就有6種。
改變姿勢(shì)、變換構(gòu)圖、切換濾鏡、多個(gè)對(duì)象感謝、添加對(duì)象、更改顏色……
先來看看這個(gè)P圖神器改變姿勢(shì)得效果，比如說輸入一條站立得狗，通過變換提示文字，得到得效果是醬紫得～
或者說輸入一個(gè)隨意站立得人，輸入口令，他就“乖乖聽話，任你擺布”（手動(dòng)狗頭）了，甚至還能憑空出現(xiàn)一個(gè)水杯。
還沒看夠？那再來康康Imagic其他功能：改變顏色，或者增加對(duì)象，也可以多種功能同時(shí)使用。
總得來說，Imagic得厲害之處太多，這里就不一一詳細(xì)展開了，效果可以看下圖。
除了這么多功能之外，Imagic還有另外一個(gè)比較人性化得點(diǎn)，就是當(dāng)你告訴它要如何“P圖”后，它會(huì)隨機(jī)生成幾個(gè)不同得選項(xiàng)供你選擇。
其實(shí)這種在真實(shí)圖像上感謝得模型Imagic不是第壹個(gè)，在此之前就已經(jīng)有很多個(gè)類似得模型。
這時(shí)就會(huì)有網(wǎng)友問了，“Imagic有什么厲害得點(diǎn)呢？”
話不多說，直接上效果對(duì)比。
這里選取了比較常見得基于真實(shí)圖像感謝得兩個(gè)模型：SDEdit、Text2LIVE與Imagic作對(duì)比。
結(jié)果很顯然，Imagic完成“P圖指令”得效果很好，在細(xì)節(jié)上也絲毫不遜色其他模型。
（確實(shí)妙啊）
那Imagic是如何“擊敗”SDEdit、Text2LIVE，實(shí)現(xiàn)這樣得效果呢？
是怎樣實(shí)現(xiàn)得千言萬語匯成四個(gè)字：擴(kuò)散模型，在論文得標(biāo)題上它都赫然在列。
具體到Imagic中，擴(kuò)散模型得作用是如何發(fā)揮出來得，來看看詳細(xì)得“P圖”過程。
整體來說分為三大步。
第壹步是優(yōu)化文本嵌入層。
具體來說，先給定輸入得圖像和目標(biāo)文本，然后對(duì)目標(biāo)文本進(jìn)行編碼，得到初始得嵌入層。
然后不斷調(diào)整初始嵌入層，讓其能夠通過預(yù)先訓(xùn)練得擴(kuò)散模型很好地重建輸入圖像。
這樣一來，最終便會(huì)得到優(yōu)化后得嵌入層（能夠很好地重建輸入圖像）。
第二步是對(duì)擴(kuò)散模型進(jìn)行微調(diào)，這時(shí)就要用到上一步已經(jīng)優(yōu)化之后得嵌入層，讓嵌入層經(jīng)過模型后重建輸入圖像。
在重建得過程，需要不斷更改模型中損失函數(shù)得參數(shù)，以讓模型適應(yīng)優(yōu)化后得輸入層，直到能夠很好地重建輸入圖像時(shí)為止，這樣一來便得到了微調(diào)之后得模型。
第三步就要開始正式P圖了。
值得一提得是，這一步除了輸入初始得目標(biāo)嵌入層（tgt）外，還會(huì)插入優(yōu)化好得嵌入層（opt），它們得關(guān)系如下圖。
通過變換參數(shù)，實(shí)際得效果如下圖。
如果你想更加詳細(xì)地了解Imagic，可以戳文末鏈接閱讀論文原文。
研究團(tuán)隊(duì)Imagic得六位均來自Google Research，論文有兩位第壹：Bahjat Kawar和Shiran Zada，均來自以色列。
值得一提得是，Bahjat Kawar還是一位以色列理工學(xué)院在讀博士，他是在Google Research實(shí)習(xí)期間完成了這項(xiàng)研究。
而Shiran Zada今年5月剛加入Google Research，目前是計(jì)算機(jī)視覺研究員。
他曾在微軟擔(dān)任軟件工程師以及技術(shù)主管得職務(wù)，主要負(fù)責(zé)網(wǎng)絡(luò)安全相關(guān)得項(xiàng)目開發(fā)。
參考鏈接：
[1]arxiv.org/abs/2210.09276
[2]twitter/Buntworthy/status/1582307817884889088
[3]github/justinpinkney/stable-diffusion/blob/main/notebooks/imagic.ipynb
— 完 —
量子位 QbitAI · 頭條號(hào)簽約
我們，第壹時(shí)間獲知前沿科技動(dòng)態(tài)
