知識窗｜AI到底是怎么畫畫的？

2025-1-27 13:34| 發(fā)布者: admin| 查看: 135| 評論: 0

摘要: 人工智能作為當(dāng)今最前沿的科技之一，正在以令人驚嘆的速度改變著我們的生活。從智能語音助手到無人駕駛汽車，從 AI 繪畫到機器學(xué)習(xí)，它為我們打開了一個充滿無限可能的未來。除了生成人類照片，AI 還可以根據(jù)我們的 ...

知識窗｜AI到底是怎么畫畫的？

人工智能作為當(dāng)今最前沿的科技之一，正在以令人驚嘆的速度改變著我們的生活。從智能語音助手到無人駕駛汽車，從 AI 繪畫到機器學(xué)習(xí)，它為我們打開了一個充滿無限可能的未來。除了生成人類照片，AI 還可以根據(jù)我們的需求畫出各種各樣風(fēng)格的照片。今天我們就來說一說 AI 是怎么樣畫出圖片的。

知識窗｜AI到底是怎么畫畫的？

AI 生成圖像的背后，有一項非常重要的技術(shù)——GAN。GAN 是 Generative Adversarial Networks 的首字母縮寫，意思是生成式對抗網(wǎng)絡(luò)。它是 2014 年，伊恩·古德菲洛和他的同事一起提出的。GAN 聽起來很高大上，但它的原理其實非常好理解。

知識窗｜AI到底是怎么畫畫的？

假如我們要建立一個 GAN，專門畫人臉照片。在這個網(wǎng)絡(luò)里面，有兩個重要的成員，生成器和鑒別器。生成器的任務(wù)就是負責(zé)生成人像圖片，這些生成的圖片，會和真人的照片混在一起，讓鑒別器去做判斷。鑒別器要識別出，哪些是生成器生成的，哪些是真正的人類照片。

知識窗｜AI到底是怎么畫畫的？

隨著成千上萬次的學(xué)習(xí)訓(xùn)練，生成器生成的圖片會越來越接近真實的人類照片。在這個過程中，鑒別器為了得分，也需要提升自己的鑒別能力。而為了騙過越來越聰明的鑒別器，生成器又要繼續(xù)提升自己的能力，就這樣，經(jīng)過幾千萬次的訓(xùn)練，AI就能畫出極其逼真的人像了。

知識窗｜AI到底是怎么畫畫的？

除了 GAN，還有一種圖像生成技術(shù)——Stable Diffusion。最近比較火的 MidJourney 就是通過這種模型生成的。簡單地說，Stable Diffusion 能夠?qū)⒁欢央s亂無序的噪聲圖像一步步去噪聲，最終生成預(yù)期圖片的過程。

知識窗｜AI到底是怎么畫畫的？

如今的圖像生成軟件還有一個很重要的功能，根據(jù)自然語言描述的內(nèi)容生成圖像。這個過程離不開兩項技術(shù)，首先是圖像識別技術(shù)。在以前，無論是自動駕駛、還是搜索圖片中的物品，它們都依賴于 AI 對圖像上內(nèi)容的識別。在這個過程中，人類已經(jīng)對大量圖片上的內(nèi)容進行了標(biāo)注，并且用它們訓(xùn)練 AI，讓 AI 能夠識別出各種各樣的東西。

知識窗｜AI到底是怎么畫畫的？

另一項重要技術(shù)，就是自然語言識別了。在過去幾十年時間里，人們也一直在想辦法讓 AI 看得懂我們寫的字，了解我們在說什么。這讓 AI 能夠更好地理解我們給定的文本的含義。當(dāng)你說“樹上有只貓頭鷹”的時候，計算機能夠知道你說的是一種鳥，而不是樹上有一只“貓”一個“頭”，外加一只“鷹”。

知識窗｜AI到底是怎么畫畫的？

在圖像識別和自然語言處理技術(shù)日趨成熟之后，一種叫做跨模態(tài)檢索的技術(shù)出現(xiàn)了。模態(tài)說的是數(shù)據(jù)的存在形式，比如文本、圖像、視頻等形式?？缒B(tài)檢索能夠?qū)⒉煌B(tài)的數(shù)據(jù)進行關(guān)聯(lián)對應(yīng)，比如將文本中的“杯子”和圖片中杯子的圖像建立關(guān)聯(lián)。在跨模態(tài)檢索技術(shù)的幫助下，AI 就可以把我們輸入的文本信息轉(zhuǎn)化成圖像信息了。

知識窗｜AI到底是怎么畫畫的？

在今天，基于 GAN、stable diffusion 的 AI 圖像生成技術(shù)已經(jīng)有了非常多的應(yīng)用。除了在圖像生成上，在生成音樂、視頻、文字生成上面都有極其廣泛的應(yīng)用。甚至從 2022 年末開始，很多公司就放出風(fēng)聲，要用 AI 畫師代替人類畫師。而在各種各樣的社交媒體上，我們也可能看到 AI 生成的圖片和視頻了。

知識窗｜AI到底是怎么畫畫的？