新的AI繪圖框架 MultiDiffusion：「挖洞」指定生成圖像放在哪裡，愛因斯坦與泰勒絲同框拍照只需 15 秒

以前AI繪圖有個問題，就是畫出來的內容不可控。你希望某個東西出現在特定的位置上，但是往往事情跟你想的不一樣。

現在，AI 繪畫完全可以做到隨說即有了！

這邊哈士奇，那邊牧羊犬，背景在下雪天。

啪嘰！一幅畫就這麼完成了。

這個最新 MultiDiffusion 模型框架，不管選的區域位置有多離譜，它都能給你畫出指定的東西來。

比如，你能看到大象和奶牛同框？？

而且線上可試，親測大概 15 秒就能出，你甚至可以看到泰勒絲與愛因斯坦跨時空同框。

要知道以前 AI 繪圖最大的一個 bug 就是不可控，但現在人類擁有了更多的控制權。

總之就是，能夠想畫什麼就畫什麼，想往哪畫就往哪畫！

有網友趕緊上手試了試：Not Bad！

• 延伸閱讀：從AI繪圖進化到寫真，AI煉丹師是如何一步一步打造出AI美少女夢工廠的？

想往哪畫就往哪畫

從效果來看，主要有三個方面的應用。

• 文字到高解析度全景生成；

• 精確區域生成；

• 任意長寬比粗略區域生成。

首先，只需要一句話，就可以生成 512*4609 解析度的全景圖。

一張有滑雪者的雪山頂峰的照片。

攝影師也不用爬樓了，直接獲得城市夜景圖。

當然更為主體功能，那就是給特定區域單獨提示，然後 AI 繪畫就來指哪畫哪。

比如在黑色部分是一個明亮的盥洗室，紅色區域是一面鏡子、藍色部分是花瓶、黃色部分是白色的水槽。

就這麼隨手一個拼圖畫，結果就生成了真實場景。

不過也有一些 bug，像一些超現實的，他就有點太天馬行空了。

比如三體人在宇宙中大戰人類。

當然也可以無需那麼精確，只需標個大致位置，還支援任意長寬比的圖像。

▲ 藍色部分是埃菲爾鐵塔、紅色是粉色的雲、綠色是熱氣球 。

關鍵是各種構圖都十分地合理、場景效果以及實際物體相對大小也都十分精準。

• 延伸閱讀：AI繪圖的10大Q&A：用什麼「繪圖關鍵字」？有哪些繪圖網站?

圖像生成可控

背後的這個模型叫做 MultiDiffusion，這是一個統一的框架，能實現多功能和可控的圖像生成。

以往即便 Diffusion 模型給圖像生成帶來變革性影響，但使用者對生成圖像的可控性、以對新任務的快速適應仍是不小的挑戰。

研究人員主要是通過重新訓練、微調，或者另外開發工具等方式來解決。就像前不久爆火外掛 ControlNet 正是解決了圖像生成的可控性，

而 MultiDiffusion 無需進一步訓練或微調，就可一次實現對生成內容的多種靈活控制，包括期望的長寬比、空間引導訊號等。

簡單來說，MultiDiffusion 的關鍵在於，在預先訓練好的擴散模型上定義一個全新的生成過程。從噪聲圖像開始，在每個生成步驟中，解決一個最佳化任務。

然後再將多個擴散生成過程與一組共享的參數或約束結合起來，目標是將每個部分都儘可能去接近去噪版本。

即便有時候每個步驟都可能會將圖像拉向不同的方向，但最終融合到一個全域去噪步驟當中，得到一個無縫圖像。

• 延伸閱讀： AI繪圖「Stable Diffusion」快速上手，Midjourney的神級勁敵、開箱即用

來自魏茨曼科學研究所

這篇論文主要來自位於以色列雷霍沃特的魏茨曼科學研究所。

兩位共同一作 Omer Bar-Tal、Lior Yariv 分別是魏茲曼科學研究院電腦科學和應用數學系的研究生和博士生，後兩位分別是他們的導師。

▲ 左：Omer Bar-Tal；右：Lior Yariv

好了，感興趣的朋友可戳下方試一試哦！

https://huggingface.co/spaces/weizmannscience/MultiDiffusion

首頁連結：

https://multidiffusion.github.io/

論文連結：

https://arxiv.org/abs/2302.08113

• 延伸閱讀： AI繪圖Disco Diffusion基礎教學：從下載、設定到關鍵字輸出一次搞定

  延伸閱讀： 超熱門AI繪圖DALL·E 2怎麼玩？除了生成圖像還能幫你修改內容