Sapņainas mākslīgā intelekta radītas ģeometriskas ainas valdzina sociālo mediju lietotājus

Svētdien Reddit lietotājs ar nosaukumu “Ugleh” publicēja mākslīgā intelekta ģenerētu attēlu ar spirālveida viduslaiku ciematu, kas sociālajos tīklos strauji ieguva uzmanību tā ievērojamo ģeometrisko īpašību dēļ. Sekojošie ieraksti ieguva vēl lielāku atzinību, tostarp tvīts ar vairāk nekā 145 000 atzīmju Patīk. Ugleh izveidoja attēlus, izmantojot Stable Diffusion un vadības tehniku, ko sauc par ControlNet.

Reakcijas uz mākslas darbu tiešsaistē bija no brīnuma un izbrīna līdz cieņai pret kaut ko jaunu ģeneratīvajā AI mākslā. “Tādas bildes nekad neesmu redzējis. Kaut kas jauns mākslas pasaulē,” rakstīja kāds X lietotājs. “Tbh, es esmu redzējis DAUDZ AI mākslas, esmu bijis šajā telpā ilgu laiku, un šis ir viens no lieliskākajiem darbiem, ko jebkad esmu redzējis. Jums paveicās tik labi,” raidījumā X rakstīja AI mākslinieks Kali Yuga.

Iespējams, visievērojamākais Y-Combinator līdzdibinātājs un biežais sociālo mediju tehnoloģiju komentētājs Pols Grehems rakstīja : “Šī bija vieta, kur mākslīgā intelekta radītā māksla izturēja Tjūringa testu.”

Protams, ne visi bija pārsteigti, ka daži X lietotāji mēģināja izdalīt AI radītā spirālveida ciemata kompozīcijas elementus. “Tas ir jauki, taču ir daudz lēmumu, ko cilvēks nepieņemtu,” rakstīja grafiskais dizainers Trents. “Daudzas ēnas nav pareizas, un nav jēgas likt skursteņus tieši virs logiem. Tuvinot tur ir arī AI mākslas signālu trokšņu modeļi.

Jūnijā mēs apskatījām paņēmienu, kurā tika izmantots mākslīgā intelekta attēlu sintēzes modelis Stable Diffusion un ControlNet, lai izveidotu QR kodus, kas izskatās kā bagātīgi mākslas darbi, tostarp anime iedvesmota māksla. Ugleh izmantoja to pašu neironu tīklu, kas optimizēts šo QR kodu izveidošanai (kas paši ir ģeometriskas formas), un tā vietā ievadīja tajā vienkāršus spirāļu un šaha galdiņu attēlus .

Vadoties pēc uzvednes: “Viduslaiku ciema aina ar rosīgām ielām un pili tālumā (šedevrs: 1,4), (vislabākā kvalitāte), (detalizēti) ,”ControlNet atveidoja ainas, kurās attēlu mākslinieciskie elementi sakrīt ar uztveres spirāļu formām un šaha dēļi. Vienā attēlā mākoņi izliekas virs galvas, un cilvēki stāv maigā līkumā, lai atbilstu spirālveida vadībai. Citā mākoņu kvadrāti, dzīvžogi, ēku sejas un vagonu rati veido šaha formas ainu.

ControlNet burvība

Tātad, kā tas darbojas? Iepriekš mēs bieži esam apskatījuši Stabilu difūziju . Tas ir neironu tīkla modelis, kas apmācīts, izmantojot miljoniem attēlu, kas iegūti no interneta. Bet galvenais šeit ir ControlNet, kas pirmo reizi parādījās pētnieciskajā dokumentā ar nosaukumu “ Nosacījuma kontroles pievienošana teksta-attēlu difūzijas modeļiem ”, ko izstrādāja Lvmins Džans, Anyi Rao un Manēšs Agravala 2023. gada februārī, un tas ātri kļuva populārs stabilajā izkliedē. kopienai.

Parasti stabilas difūzijas attēls tiek izveidots, izmantojot teksta uzvedni (ko sauc par text2image) vai attēla uzvedni (img2img). ControlNet ievieš papildu norādījumus, kas var izpausties kā informācija, kas iegūta no avota attēla, tostarp pozas noteikšana, dziļuma kartēšana, parastā kartēšana, malu noteikšana un daudz kas cits. Izmantojot ControlNet, kāds, kas ģenerē AI mākslas darbus, var daudz precīzāk atkārtot attēlā redzamā objekta formu vai pozu.

Izmantojot ControlNet un līdzīgas uzvednes, ir viegli kopēt Ugleh darbu, un citi to ir paveikuši uzjautrinoši, tostarp šaha galdiņa anime varoņi , animācija , viduslaiku ciemata “kaza ” (pārsteidzoši droša darbam) un viduslaiku ciemata versija ” Meitene “. ar pērļu auskaru .”

Neskatoties uz milzīgo uzmanību un daudzajiem piedāvājumiem mākslas darbu pārvērst par NFT, Ugleh ir izvēlējies pagaidām saglabāt zemu profilu. X viņš teica : “Es novērtēju visas pozitīvās atsauksmes par AI mākslu, es neplānoju pelnīt naudu no savām jaunākajām paaudzēm, un es nesniegšu nekādas oficiālas intervijas. Es esmu tikai parasts tehnoloģiju lietpratējs AI nerds, kurš eksperimentēja ar jaunu ControlNet tehniku.

Ja vēlaties eksperimentēt ar ControlNet, šajā vietnē ir laba apmācība. Turklāt Ugleh vietnē Imgur ievietoja soli pa solim darbplūsmu , tostarp spirāles un šaha veidņu failus.

Lai gan mākslas darbs ir ievērojams, pašreizējā ASV autortiesību politika nosaka, ka attēli neatbilst standartiem, lai saņemtu autortiesību aizsardzību, tāpēc tehniski tie ir publiski pieejami. Lai gan mākslīgā intelekta radītie mākslas darbi daudziem joprojām ir strīdīgs temats ētisku un juridisku iemeslu dēļ, entuziasti turpina virzīt robežas tam, kas ir iespējams nekvalificētam vai neapmācītam praktiķim, izmantojot šos jaunos rīkus.