首頁>資訊 >
全球速遞!從 Stability AI 和 Stable Diffusion 看 AIGC 2022-11-28 17:39:21  來源:36氪

2022年10月17日,AIGC (AI Gererative Content)領域的知名項目 Stable Diffusion —— 背后的公司 Stability AI 宣布獲得了來自 Coatue、光速資本 以及 O"Shaughnessy 總計 1.01 億美元的種子輪投資,資金將用來面向圖像、語言、音頻、視頻以及 3D 領域的 AI 模型開發(fā),投后估值達到 10 億美元。

今年以來,AIGC 領域的相關創(chuàng)作工具如雨后春筍般出現(xiàn),有概念詞「AIGC」,也有大眾詞「AI 繪畫」,更有技術詞「txt2img」,但本質上它們都在講一個功能邏輯 —— 文字敘述到計算機圖像的生成。

我梳理了幾個重要的項目和時間點供大家參考:


(資料圖片)

2021年10月,Somnai 在 Github 上創(chuàng)建了名為 Disco Diffusion 的項目,這是一款運行在 Google Colab 上的 AI 程序,Somnai 在今年 2 月發(fā)布了 5.0 版本,用戶可根據(jù)場景關鍵詞渲染對應圖像,隨后該項目開始在網絡上出圈,但該工具分辨率和算力相對有限;

2022年4月,OpenAI 發(fā)布了 DALL·E 2代模型,名字來源于著名畫家達利以及 2008 年的動畫片《機器人瓦力》,是 DALL.E 的繼任者,OpenAI 背后獲得了微軟和包括 Khosla Ventures 的支持,DALL·E 2 能夠生成高度逼真的原創(chuàng)圖像,這些圖像的視覺風格各異,有夢幻的也有寫實的,例如騎馬的宇航員和在古埃及買面包的泰迪熊,但工具本身在內容創(chuàng)作邊界上更加收斂和限制;

2022年5月,Google 推出了 Imagen,Imagen 是一種文本到圖像的擴散模型,能夠生成較為真實的圖片,在精度和質量上優(yōu)于 DALL·E 2,但目前主要用于學術目的并不開放,且在帶有人物的創(chuàng)作上有更多限制;

2022年7月,Midjourney 項目進入公測階段,這是該模型的第 3 版,第 2 版發(fā)布于今年 4 月。Midjourney 是一個獨立的研究實驗室,創(chuàng)始人是原先 Leap Motion的聯(lián)創(chuàng) David Holz,而 Disco Diffusion 項目的原作者 Somnai 也在今年 5 月加入了 Midjourney;

Stability AI 是一家什么樣的公司

來到本篇的主角 —— Stable Diffusion,該項目由初創(chuàng)公司 StabilityAI 和慕尼黑大學機器視覺學習組和 AI 視頻剪輯技術創(chuàng)業(yè)公司 Runway 合作開發(fā),并得到了黑客組織 EleutherAI和德國非盈利組織 LAION 的支持。

Source:Mostaque,Business Insider;

Mostaque 目前是 Stability AI 的 CEO 兼聯(lián)合創(chuàng)始人,當前的人員在 75 人左右。Mostaque 希望通過這個項目為大眾帶來新的 AI 應用。在 Mostaque 和他的同事們看來,現(xiàn)有的 AI 技術只代表了人工智能藝術能夠創(chuàng)造的冰山一角,未來相關的用例可能包括大幅改進的照片寫實、視頻和動畫。

說來有趣,創(chuàng)立 Stability AI 的 Mostaque,既不是研發(fā)人員,也不是藝術家,他的背景是一名在倫敦從事 13 年對沖基金工作的金融人士。雖然從事對沖基金工作,但 Mostaque 也是妥妥的工科學霸,早年畢業(yè)于牛津大學數(shù)學和計算機專業(yè)。

帶來新的 AI 應用,在 他和同事們看來,現(xiàn)有的 AI 技術只代表了人工智能藝術能夠創(chuàng)造的冰山一角,未來相關的用例可能包括大幅改進的照片寫實、視頻和動畫。

除了文章開頭提到種子輪投資人,更早之前項目主要由 Mostaque 和一家名為 Eros Investment 進行天使投資。Eros Investment 認為 Stability AI 具備一定 3D 化身的能力,這些化身在未來將用于 AR/VR 游戲中,預計隨著 Stability AI 引入更快、更好和更專業(yè)的模型,質量不斷提高,未來將進一步添加音頻、3D 和視頻功能,并引入到 Canva 和 WordPress 等平臺中去。

由于 Stable Diffusion 項目的底層技術是免費開源的,因此早期在商業(yè)模式上并沒有明確的定位。8 月份的時候,CEO Mostaque 在接受 Youtube 上的網紅機器學習工程師 Yannic Kilcher 采訪時表示,Stability AI 已經與一些政府和領先機構建立了合作伙伴關系來銷售這項技術,因此相比于其他起步就虧損的技術公司相比,公司將早早開始盈利。

Stable Disffusion 的創(chuàng)新是什么?

那么 Stable Disffusion 效果如何呢?你可以在幾秒內就創(chuàng)作一張梵高繪制的碧昂斯肖像畫,又或是日本十八世紀藝術家葛飾北齋創(chuàng)作的賽博朋克城市景觀。

Source:KENRICK CAI via Stable Disffusion;

Stable Diffusion 項目帶來的主要革新是將模型的計算空間從原先的像素通過技術手段,在保留足夠豐富的信息與細節(jié)狀態(tài)下降為到一個更低的數(shù)量空間里,然后再通過一系列的訓練和圖像進行計算,而這個更低維的空間被稱為潛空間(Latent Space)。

潛空間對產業(yè)界來說,相比其它模型大幅降低了內存和計算的要求,舉個例子,原先 512 x 512 對圖像一下子變成了 64 x 64,需要的內存減少了 98%!原先只有研究人員才能進行創(chuàng)作的條件一下子達到了消費級,所以該項目出圈是必然的。

Stable Diffusion 開源后,一方面可以在大部分適配 GPU 的電腦上運行,例如一臺 M1 的蘋果電腦,而 DALL·E2 以及 Midjourney 只能通過云計算訪問使用;另一方面,在內容創(chuàng)作的范圍上,Stable Diffusion 較其它模型更加自由開放,用戶擁有創(chuàng)作的圖像權利,也可以自由地用作商業(yè)用途,Mostaque 表示開源能夠讓更多的人接觸到這項技術。

Source:Stability AI 官網;

回到產品的使用上,對于普通用戶 Stability AI 還推出了 DreamStudio,這就像是融合了Stable Diffusion 模型之后的在線 Photoshop,只不過新用戶注冊后需要按積分使用,不同參數(shù)條件下生成的圖像所消耗的積分不同,新用戶將獲得 200 積分,默認條件是一張圖消耗 1 積分。

Source:作者通過DreamStudio繪制;

例如,我嘗試了用李白的《早發(fā)白帝城》的英文詩句輸入到 DreamStudio,出來的效果還是不錯的。

img2img 下的 AIGC 趨勢

如果說 Stable Diffusion 的技術表述歸納為「text2img」,且多為 2D 平面內容,那么該項目的新方向則是通過「img2img」完成 3D 內容的創(chuàng)建。

什么是 img2img?Reddit 上的一名用戶發(fā)布了 6 張圖片,根據(jù)經典 MS-DOS 上的游戲畫面進行圖形優(yōu)化,效果如下:

Source:frigis9 on Reddit;

img2img 技術也是 Stable Diffusion 中的新功能,能進一步將 text2img 生成的圖片真人化,使2D變3D,降低了廣大用戶將創(chuàng)意落地的門檻,釋放了大眾創(chuàng)意,而對于本身就靠創(chuàng)意吃飯的藝術工作者,它們通過該技術表達創(chuàng)意的能力也會進一步提高,就像從紙面創(chuàng)意如同 8090 年代的 CAD 過渡那樣,如果說 CAD 全稱是Computer Aided Design,那套個AIGC 概念就是AIAided Design......

Source:Mostaque,Twitter;

當然,與 DreamStudio 融合的實際效果和使用都需要一段時間的優(yōu)化中,特別是用在個人計算機上還需要一個過程,畢竟生成圖片的質量需要對原先的素材進行大量測試。

實際上,自今年 8 月份發(fā)布以來,Stable Disffusion 已經在全球范圍吸引了 20 多萬開發(fā)人員下載和使用,而面向大眾的產品 DreamStudio 更是在 50 多個國家地區(qū)吸引了 100 多萬的用戶注冊使用,目前為止已經累計創(chuàng)作了 1.7 億張圖像。

Source:《星際迷航》Holodeck,公開網絡;

Stability AI 的 CEO Mostaque 表示, 隨著 GPU 和算力的提升,Stable Disffusion 可能一年之內就能在智能手機上運行,新技術將在更多低價的設備上進行訓練,很快就能看到 AI 推動的創(chuàng)意出現(xiàn)指數(shù)級的增長,而 Stable Diffusion 和其他模型已經開始摩拳擦掌著手動態(tài)視頻的生成了,可能首先會進入創(chuàng)作成本更低的短視頻領域,而他希望這個創(chuàng)作過程是多模態(tài)的,就像《星際迷航》的全息甲板(Holodeck)一樣。

Reference:

[1] 《Stability AI Announces $101 Million in Funding for Open-Source Artificial Intelligence》,PR Newswire;

[2] 《Startup Behind AI Image Generator Stable Diffusion Is In Talks To Raise At A Valuation Up To $1 Billion》,F(xiàn)orbes;

[3] 《Stable Diffusion, a milestone? 》,AnalyticsIndiaMag;

封面:LOKESH CHOUDHARY

免責聲明:在任何情況下,本文信息或表述,不構成任何投資建議;若有侵權,請后臺聯(lián)系刪除。

關鍵詞: 冰山一角 星際迷航 對沖基金

相關閱讀:
熱點
圖片 圖片