宋朝名畫“虎戴VR”，在外網火了

誰能曾想，宋朝的老虎們，有一天能在國外被玩兒火了。

事情是這樣的。

前不久谷歌不是出了個AI創作神器Imagen嘛。

只要你給一句話，它就能生成符合語意的圖片。

然後腦洞大開的國外網友們，不按套路地給Imagen出了道題：

Imagen也沒在怕的，“啪的一下”就給出了一幅力作——《虎戴VR》。

還別説，這幅《虎戴VR》還真是有點那味了。

不僅是畫風上，VR頭戴跟老虎以及整幅畫作能夠保持一致。

就連手柄、雙虎嬉戲的感覺也都一步到位地畫了出來。

然後還有兩隻老虎戴VR，手牽着手一起“恰恰恰”的：

甚至Imagen還別出心裁地設計了個“連線”版VR（可能在面對面看片吧）：

但畢竟在AI作畫這事上，除了谷歌Imagen之外還有很多神器。

於是，一場《虎戴VR》作畫大戰就此拉開序幕。

（猜猜誰家的畫更有“心有猛虎，細嗅薔薇”的味道

）

DALL-E也來請戰

首先來應戰的，定然是OpenAI家的DALL·E。

網友Jacob出於好奇，便用它做了幾幅來做比較。

首先是滿滿“定妝照”風格的《虎戴VR》（很颯啊）：

不難看出，DALL·E的畫作和Imagen在風格上還是有很大的區別。

Imagen的畫作更趨於簡約線條風，而DALL·E則更多了些許油畫的元素。

不過在意境方面，DALL·E也是能夠產出“雙虎嬉戲”，甚至是擬人的畫作：

二者相比之下，網友們給出了他們的評價：

大多數網友們對谷歌家的Imagen更買單。

而除了它倆之外，像AI繪畫神器MidJourney也參與到了此次“大戰”。

不過它的作品，就顯得略有些詭異了……

DALL·E VS Imagen

那麼，同樣作為AI創作神器，最近大火的Imagen和DALL·E為何畫風會截然不同呢？

Open AI的DALL·E和谷歌的Imagen，都可以直接通過文本描述生成類似超現實主義的圖像，讓機器也能擁有設計師般的創造力。

不過，二者的“創作”原理大相徑庭。

DALL·E 2採用CLIP將文本特徵映射到圖像特徵，然後指導一個GAN或擴散模型生成圖像。

所謂CLIP，是一個在各種圖像和文本上訓練的神經網絡，對生成的多張圖片進行排序，挑選出更好的生成結果進行展示。

而谷歌的Imagen則使用純語言模型只負責編碼文本特徵，把文本到圖像轉換的工作丟給了圖像生成模型。

語言模型部分使用的是谷歌自己的T5-XXL編碼器，將訓練好的文本凍結。

圖像生成部分則是一系列擴散模型，先生成低分辨率圖像，再逐級超採樣。

谷歌的T5-XXL有46億個參數，而擴大文本編碼器的規模，可以有效改善文本到圖像的對應關係，和圖像的保真度。

此外，Imagen還使用了另一種稱為noise conditioning augmentation的擴散技術，幫助模型學習已添加的噪聲量，從而提高圖像的還原性。

對比來看，Imagen似乎比DALL·E更具有“寫實”的特點：

目前，在Imagen官網上已湧現出各種新奇的圖像。

有人給浣熊戴上了宇航員頭盔。

泰迪熊在這裏開始遊蝶泳。

還有老鷹型的巧克力冰淇淋（嗯，還挺應景）。

截至目前，Imagen和DALL·E都還在調試階段，尚未向公眾開放。

One More Thing

這次《虎戴VR》AI作畫大戰中，也不乏有失敗的作品。

例如有網友就給出了用DALL·E mini來生成的示例。

不難看出，在這版中的《虎戴VR》中，並沒有任何VR的出現，而且老虎的面部基本上都是模糊不清。

據網友描述，他在生成的過程中，只是把“北宋”改成了“南宋”：

那麼你覺得《虎戴VR》，哪家AI神器更強一些呢？

參考鏈接：

https://twitter.com/hardmaru/status/1532757753797586944?s=21&t=MhwVN5VXH22zFK7DWQJnCg

— 完 —

量子位 QbitAI · 頭條號簽約