梦晨 发自 凹非寺

量子位 报道 | 公众号 QbitAI

嫌弃GAN生成的图像不够炫酷？

不需要改变数据集，只需要给CLIP下达的命令中把“虚幻引擎”几个字加上，再让CLIP去指挥GAN，图像就立马变成了高大上的CG艺术风。

文字中加入虚幻引擎这个技巧，最早由Aran Komatsuzaki发在推特上，吸引了大量CV圈的人来围观。

后来有人把这套流程发在了Colab上，网友们都玩疯了。

还可以指定成“彩色铅笔风格”

或者“吉卜力风格”：

最绝的是，加上“3D photo inpainting”竟然可以生成立体构图。

CLIP是OpenAI开发的一个负责给图像重排序的模型，它与GAN合作的方式也很简单。

先用一张平平无奇的随机图案作为种子，像这种：

像这样让CLIP算出其与文字描述的相似度打分，然后反馈给GAN，让GAN以提升分数为目标不断迭代。

AI艺术家组合就这么出现了。

除了在提示中加入风格要求之外，还可以直接告诉AI一个人名，看看在AI眼中他们长啥样。

甚至能用来猜猜那些从未露面的大佬们，比如神秘的比特币之父中本聪。

这就是AI心目中的中本聪，不管你信不信，反正我是信了。

在线试玩

VQGAN+CLIP在Colab上有很多版本，我们经过对比选择了一个加入额外优化和池化技巧，在速度和质量上都比较出色的一个（链接在文章末尾）。

第1步和第2步，按顺序执行就好。

第3步，选择使用的模型，默认的是用ImageNet训练的。

第4步设置参数，一般情况下只需要在texts里填上要生成的内容，用“|”分隔。

width和height控制生成图像的分辨率，model可以选择使用的模型（需要在第3步中下载）。

改变seed的数字可以更换随机图像种子。

另外还可以在init_image处指定一张初始图片，需要把图片上传到Colab环境里再填入链接。

比如，有人使用这样一张图片作为图像种子，开发了新玩法：生成宝可梦。

第五步执行，300*300分辨率的图迭代500次只需要几分钟。

最后，还可以把生成的过程合成为视频。

就是这么简单，快来试试吧。

在线试玩：

https://colab.research.google.com/drive/1ZAus_gn2RhTZWzOWUpPERNC0Q8OhZRTZ

VQGAN:

https://github.com/CompVis/taming-transformers

CLIP:

https://openai.com/blog/clip/

参考链接：

[1] https://twitter.com/arankomatsuzaki/status/1399471244760649729[2]https://twitter.com/92C8301A/status/1408795789766365187[3]https://twitter.com/ak92501[4]https://twitter.com/casvaIuir/status/1408394829218914305