從 Stability AI 和 Stable Diffusion 看 AIGC
2022年10月17日,AIGC (AI Gererative Content)領(lǐng)域的知名項(xiàng)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(jì) 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(lǐng)域的 AI 模型開發(fā),投后估值達(dá)到 10 億美元。
作者|Tim Jiang
編輯|Tim Jiang
今年以來,AIGC 領(lǐng)域的相關(guān)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(shù)詞「txt2img」,但本質(zhì)上它們都在講一個(gè)功能邏輯 —— 文字?jǐn)⑹龅接?jì)算機(jī)圖像的生成。
我梳理了幾個(gè)重要的項(xiàng)目和時(shí)間點(diǎn)供大家參考:
2021年10月,Somnai 在 Github 上創(chuàng)建了名為 Disco Diffusion 的項(xiàng)目,這是一款運(yùn)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(guān)鍵詞渲染對應(yīng)圖像,隨后該項(xiàng)目開始在網(wǎng)絡(luò)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(dá)利以及 2008 年的動(dòng)畫片《機(jī)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(fēng)格各異,有夢幻的也有寫實(shí)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(nèi)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(kuò)散模型,能夠生成較為真實(shí)的圖片,在精度和質(zhì)量上優(yōu)于 DALL·E 2,但目前主要用于學(xué)術(shù)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(xiàng)目進(jìn)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(gè)獨(dú)立的研究實(shí)驗(yàn)室,創(chuàng)始人是原先 Leap Motion的聯(lián)創(chuàng) David Holz,而 Disco Diffusion 項(xiàng)目的原作者 Somnai 也在今年 5 月加入了 Midjourney;
01
Stability AI 是一家什么樣的公司
來到本篇的主角 —— Stable Diffusion,該項(xiàng)目由初創(chuàng)公司 StabilityAI 和慕尼黑大學(xué)機(jī)器視覺學(xué)習(xí)組和 AI 視頻剪輯技術(shù)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(dāng)前的人員在 75 人左右。Mostaque 希望通過這個(gè)項(xiàng)目為大眾帶來新的 AI 應(yīng)用。在 Mostaque 和他的同事們看來,現(xiàn)有的 AI 技術(shù)只代表了人工智能藝術(shù)能夠創(chuàng)造的冰山一角,未來相關(guān)的用例可能包括大幅改進(jìn)的照片寫實(shí)、視頻和動(dòng)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(shù)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(xué)霸,早年畢業(yè)于牛津大學(xué)數(shù)學(xué)和計(jì)算機(jī)專業(yè)。
Mostaque 希望通過這個(gè)項(xiàng)目為大眾帶來新的 AI 應(yīng)用,在 他和同事們看來,現(xiàn)有的 AI 技術(shù)只代表了人工智能藝術(shù)能夠創(chuàng)造的冰山一角,未來相關(guān)的用例可能包括大幅改進(jìn)的照片寫實(shí)、視頻和動(dòng)畫。
除了文章開頭提到種子輪投資人,更早之前項(xiàng)目主要由 Mostaque 和一家名為 Eros Investment 進(jìn)行天使投資。Eros Investment 認(rèn)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(yù)計(jì)隨著 Stability AI 引入更快、更好和更專業(yè)的模型,質(zhì)量不斷提高,未來將進(jìn)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(xiàng)目的底層技術(shù)是免費(fèi)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(shí)候,CEO Mostaque 在接受 Youtube 上的網(wǎng)紅機(jī)器學(xué)習(xí)工程師 Yannic Kilcher 采訪時(shí)表示,Stability AI 已經(jīng)與一些政府和領(lǐng)先機(jī)構(gòu)建立了合作伙伴關(guān)系來銷售這項(xiàng)技術(shù),因此相比于其他起步就虧損的技術(shù)公司相比,公司將早早開始盈利。
02
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(nèi)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(jì)藝術(shù)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(xiàng)目帶來的主要革新是將模型的計(jì)算空間從原先的像素通過技術(shù)手段,在保留足夠豐富的信息與細(xì)節(jié)狀態(tài)下降為到一個(gè)更低的數(shù)量空間里,然后再通過一系列的訓(xùn)練和圖像進(jìn)行計(jì)算,而這個(gè)更低維的空間被稱為潛空間(Latent Space)。
潛空間對產(chǎn)業(yè)界來說,相比其它模型大幅降低了內(nèi)存和計(jì)算的要求,舉個(gè)例子,原先 512 x 512 對圖像一下子變成了 64 x 64,需要的內(nèi)存減少了 98%!原先只有研究人員才能進(jìn)行創(chuàng)作的條件一下子達(dá)到了消費(fèi)級,所以該項(xiàng)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(yùn)行,例如一臺 M1 的蘋果電腦,而 DALL·E2 以及 Midjourney 只能通過云計(jì)算訪問使用;另一方面,在內(nèi)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(quán)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(xiàng)技術(shù)。
Source:Stability AI 官網(wǎng);
回到產(chǎn)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(rèn)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(cuò)的。
03
img2img 下的 AIGC 趨勢
如果說 Stable Diffusion 的技術(shù)表述歸納為「text2img」,且多為 2D 平面內(nèi)容,那么該項(xiàng)目的新方向則是通過「img2img」完成 3D 內(nèi)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(jīng)典 MS-DOS 上的游戲畫面進(jìn)行圖形優(yōu)化,效果如下:
Source:frigis9 on Reddit;
img2img 技術(shù)也是 Stable Diffusion 中的新功能,能進(jìn)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(shù)工作者,它們通過該技術(shù)表達(dá)創(chuàng)意的能力也會進(jìn)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(gè) AIGC 概念就是 AI Aided Design......
Source:Mostaque,Twitter;
當(dāng)然,與 DreamStudio 融合的實(shí)際效果和使用都需要一段時(shí)間的優(yōu)化中,特別是用在個(gè)人計(jì)算機(jī)上還需要一個(gè)過程,畢竟生成圖片的質(zhì)量需要對原先的素材進(jìn)行大量測試。
實(shí)際上,自今年 8 月份發(fā)布以來,Stable Disffusion 已經(jīng)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(chǎn)品 DreamStudio 更是在 50 多個(gè)國家地區(qū)吸引了 100 多萬的用戶注冊使用,目前為止已經(jīng)累計(jì)創(chuàng)作了 1.7 億張圖像。
Source:《星際迷航》Holodeck,公開網(wǎng)絡(luò);
Stability AI 的 CEO Mostaque 表示, 隨著 GPU 和算力的提升,Stable Disffusion 可能一年之內(nèi)就能在智能手機(jī)上運(yùn)行,新技術(shù)將在更多低價(jià)的設(shè)備上進(jìn)行訓(xùn)練,很快就能看到 AI 推動(dòng)的創(chuàng)意出現(xiàn)指數(shù)級的增長,而 Stable Diffusion 和其他模型已經(jīng)開始摩拳擦掌著手動(dòng)態(tài)視頻的生成了,可能首先會進(jìn)入創(chuàng)作成本更低的短視頻領(lǐng)域,而他希望這個(gè)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(zé)聲明:在任何情況下,本文信息或表述,不構(gòu)成任何投資建議;若有侵權(quán),請后臺聯(lián)系刪除。
原文標(biāo)題 : 從 Stability AI 和 Stable Diffusion 看 AIGC
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個(gè)字
最新活動(dòng)更多
-
10月31日立即下載>> 【限時(shí)免費(fèi)下載】TE暖通空調(diào)系統(tǒng)高效可靠的組件解決方案
-
即日-11.13立即報(bào)名>>> 【在線會議】多物理場仿真助跑新能源汽車
-
11月28日立即報(bào)名>>> 2024工程師系列—工業(yè)電子技術(shù)在線會議
-
12月19日立即報(bào)名>> 【線下會議】OFweek 2024(第九屆)物聯(lián)網(wǎng)產(chǎn)業(yè)大會
-
即日-12.26火熱報(bào)名中>> OFweek2024中國智造CIO在線峰會
-
即日-2025.8.1立即下載>> 《2024智能制造產(chǎn)業(yè)高端化、智能化、綠色化發(fā)展藍(lán)皮書》
推薦專題
- 1 【一周車話】沒有方向盤和踏板的車,你敢坐嗎?
- 2 特斯拉發(fā)布無人駕駛車,還未迎來“Chatgpt時(shí)刻”
- 3 特斯拉股價(jià)大跌15%:Robotaxi離落地還差一個(gè)蘿卜快跑
- 4 馬斯克給的“驚喜”夠嗎?
- 5 打完“價(jià)格戰(zhàn)”,大模型還要比什么?
- 6 馬斯克致敬“國產(chǎn)蘿卜”?
- 7 神經(jīng)網(wǎng)絡(luò),誰是盈利最強(qiáng)企業(yè)?
- 8 比蘋果偉大100倍!真正改寫人類歷史的智能產(chǎn)品降臨
- 9 諾獎(jiǎng)進(jìn)入“AI時(shí)代”,人類何去何從?
- 10 Open AI融資后成萬億獨(dú)角獸,AI人才之爭開啟
- 高級軟件工程師 廣東省/深圳市
- 自動(dòng)化高級工程師 廣東省/深圳市
- 光器件研發(fā)工程師 福建省/福州市
- 銷售總監(jiān)(光器件) 北京市/海淀區(qū)
- 激光器高級銷售經(jīng)理 上海市/虹口區(qū)
- 光器件物理工程師 北京市/海淀區(qū)
- 激光研發(fā)工程師 北京市/昌平區(qū)
- 技術(shù)專家 廣東省/江門市
- 封裝工程師 北京市/海淀區(qū)
- 結(jié)構(gòu)工程師 廣東省/深圳市