英偉達又一次突破了大家的想象力——一句話生成照片。

近日，英偉達官方推出GauGAN2的人工智能系統(tǒng)，它是其GauGAN模型的繼承者，它不僅能根據(jù)字詞描述生成逼真的風景圖像，還能實時用文字P圖。

GauGAN2將分割映射、修復和文本到圖像生成等技術結合在一個工具中，通過輸入文字和簡單的繪圖來創(chuàng)建逼真的圖像。

英偉達團隊在一篇博客文章中寫道：“用戶無需繪制想象場景的每個元素，只需輸入一個簡短的短語即可快速生成圖像的關鍵特征和主題，例如雪山山脈。然后可以用草圖定制這個起點，使特定的山更高，或在前景中添加幾棵樹，或在天空中添加云彩?！币韵?，Enjoy：

來源 / 量子位（ID:QbitAI)

在“一句話生成照片”這件事上，英偉達又一次突破了大伙的想象力。

他們最新的AI模型GauGAN2，不僅能根據(jù)字詞生成逼真風景照，還能實時用文字P圖！

輸入一句“海浪擊打岸邊石”，立刻輸出一張逼真照片：

從單詞到短語，這只AI全都能get！

那感覺，簡直是要山得山，要水得水：

要是覺得哪部分你不喜歡，直接打字就能“P圖”：

上面這些效果，都是英偉達這個叫做“GauGAN2”的模型做出來的，而它的“完整版”功能，還遠不止這些。

1

從草圖到文字，都能生成風景照

GauGAN2的繪制模式，一共分為三種。

第一種，打字生成圖片。

我們先試了一下單個詞組，“陽光（sunshine）”，生成如下圖片：

加上限定詞in the forest后，AI立刻就將場景換到了樹林里，變成光灑在樹林中的場景：

再多來點限定詞也沒問題。

像“冬日樹林中的陽光”，輸入in winter后，眼前本來郁郁蔥蔥的樹林立刻“全禿了”，換成了雪景下的一幕：

這效果，u1s1（有一說一）確實不錯。

還能輸出不同style的風景圖，例如輸入“大山（mountain）”一詞，立刻要山有山，還能給你換不同風格：

當然，這些不同的風景照也都能繼續(xù)生成新細節(jié)，在mountain后加上“beside a river”就能生成山水：

第二種，“打字P圖”，直接用文字編輯部分圖像。

只需要把想替換掉的部分圈出來，輸入你想要的東西，就能立刻造出各種新穎的風景圖：

嗯……英偉達給出的這個demo，思路也是非常清奇了，“浮在空中的城堡”：

第三種，用涂鴉生成風景照。

這是上一代GauGAN2（2019年英偉達推出的GauGAN）的看家本領。

例如，要是想實現(xiàn)下面這樣的“一片天空兩個太陽”，就完全可以在通過文本生成的圖像上，自己手動再加一個。

這幾種玩法疊加在一起，簡直讓網(wǎng)友們腦洞大開。

像外媒ZDNet就惡搞出來了一種神奇的玩法，在已有的風景上畫個人頭：

然后讓GauGAN2根據(jù)已有的畫面，再重新生成圖畫，就會得到如下“人頭海島”的神奇景觀：

不過這可能也對個人畫技有所要求，在我們的靈魂畫風下，效果看上去就有些……不太聰明的亞子。

那么，生成這一系列風景照的GauGAN2，背后究竟用了什么原理？

它與OpenAI今年發(fā)布的DALL·E和CLIP，又究竟有什么區(qū)別？

2

與DALL·E有什么不同？

2019年，英偉達GauGAN2的“前身”GauGAN正式開源。

當時的它，還只擁有其中一個能力，就是將涂鴉直接變成風景畫，就像「神筆馬良」一樣，還推出了對應的軟件Canvas：

當然，這時GauGAN已經(jīng)能隨意改變畫面風格了，從白天黑夜到春夏秋冬的氣質都能穩(wěn)穩(wěn)“拿捏”：

據(jù)英偉達介紹，GauGAN采用了一種基于空間適應標準化（SPADE）算法。

SPADE算法不僅使用隨機的輸入圖像，還采用了一種被稱作“分割圖”的圖像。在分割圖中，每一個像素都會被歸類，來生成更接近于真實的圖像，這種模式被稱作“圖對圖翻譯”。

△GauGAN的技能點（狗頭）

現(xiàn)在，英偉達將GauGAN升級成了GauGAN2，后者一共采用了1000萬張高質量的圖片、在英偉達Selene超算上進行訓練，這臺超算在Green500排行榜上排到世界第二。

生成這些風景畫的效果和“手法”，是不是感覺有點熟悉？

沒錯，大多數(shù)人看到GauGAN2的第一眼，可能都會覺得它和OpenAI的DALL·E+CLIP有點像。

今年年初，OpenAI用DALL·E和CLIP兩個模型，做了個“圖像版”GPT-3，同樣能用一句話生成圖片。

不過，這兩個模型生成的內容其實不太一樣。

GauGAN2專注于生成風景照，DALL·E+CLIP則更多地生成具體的物體，例如一把椅子或者一個鬧鐘等。

這與它們的原理差異也有關系，GauGAN2更加注重“單詞與視覺效果”之間的關系，例如“冬天”這種模糊的狀態(tài)詞給照片帶來的效果；DALL·E+CLIP則更注重“文字-圖像”這種有明確對應關系的物體效果。

據(jù)英偉達介紹，GauGAN2不同于“文本-圖像”和“分割圖像-圖像”一類的模型，它所能產(chǎn)生的照片種類更多，質量也會更高。

不過，偶爾也會出現(xiàn)點bug……

比如給出“沙灘（beach）”一詞后，有些生成的畫面中出現(xiàn)了語言無法描述的事物。

對此，英偉達表示，他們在訓練中“完全沒有用到任何人像照片”。（所以可能是偶然？）

但這樣一來，網(wǎng)友想要的“瑞克搖（Rick roll）”和“鬼畜視頻生成”，GauGAN2大概也是沒辦法實現(xiàn)了。

但是能生成仿佛夢境中才能見到的畫面，也吸引了不少人來試玩。

這不，有人就曬出了自己生成的抽象畫大作，并表示自己非常喜歡這個模型：

還有人表示，GauGAN2給出了一些建筑設計的新idea啊。

也有網(wǎng)友覺得這種能夠自動生成景觀的功能，未來Adobe可能也會用上。

或許就是下一個畫手利器？

最后，GauGAN2在瀏覽器上就能試玩，歡迎大家留言討論自己的體驗感受~

GauGAN2試玩Demo地址：

http:///gaugan2/

參考鏈接：

[1]https://twitter.com/NVIDIAAI/status/1462835802266902535

[2]https://blogs./blog/2021/11/22/gaugan2-ai-art-demo/?ncid=so-twit-261232-vt16#cid=nr01_so-twit_en-us

[3]https:///2021/11/22/nvidias-latest-ai-tech-translates-text-into-landscape-images/

[4]https://www./article/the-absurd-beauty-of-hacking-nvidias-gaugan-2-ai-image-machine/

[5]https://blogs.microsoft.com/ai/drawing-bot/

[6]https://www./en-us/studio/canvas/

舉報