激情六月丁香婷婷|亚洲色图AV二区|丝袜AV日韩AV|久草视频在线分类|伊人九九精品视频|国产精品一级电影|久草视频在线99|在线看的av网址|伊人99精品无码|午夜无码视频在线

高校合作1：010-59833514 ?咨詢電話：400-810-1418 服務(wù)與監(jiān)督電話：400-810-1418轉(zhuǎn)接2

AI繪畫原理分析與創(chuàng)新應(yīng)用技術(shù)介紹

發(fā)布時間：2024-08-06 13:02:50 瀏覽量：166次

相比于之前談到的ChatGPT，AI繪畫個人感覺原理相對難以理解一些。ChatGPT或者常規(guī)的GPT模型來說，是輸入一段文字，輸出后面的文字。而AI繪畫當(dāng)前主流的狀態(tài)為，輸入一段文字，輸出一個圖像。

AI繪畫的原理

對于AI的生成模型來說，ChatGPT的原理是自回歸，而AI繪畫當(dāng)前的原理是穩(wěn)定擴(kuò)散。我打算先從比較好理解的自回歸來說起。

不得不說，自從接觸了穩(wěn)定擴(kuò)散，自回歸這種模型，已經(jīng)成為比較好理解的模型了，畢竟十分貼近于傳統(tǒng)理論。

對于一個時間序列來說，假設(shè)我們有一個模型，可以僅從前面一段時間的狀態(tài)，預(yù)測下一個時刻的狀態(tài)，則可以稱作這個模型為自回歸模型。

ChatGPT在最原本的時候，就是一個單純的自回歸模型，輸入一段文字，輸出下一個字應(yīng)該是什么，或者最大概率是什么。當(dāng)然，對于模型來說，會通過采樣的方式保持一定的隨機(jī)性，而不是每次都選取概率最大的結(jié)果，這也是問兩次一樣的問題，會得出不同的答案的原因。

這個時候，很容易讓人聯(lián)想到股票市場的模型，輸入一段時間的股票價格，輸出下一個時刻的股票價格。很遺憾，這個想法比較美好，很遺憾，現(xiàn)實是股票價格并沒有像人類語言一樣確定性這么高，歷史數(shù)據(jù)往往帶來過擬合，單純價格的歷史也并不能代表未來。

那么，這種模型在股票市場不適用，是否可以用于繪畫呢？答案是可以。

從鏈接中可以看到，使用GPT模型，是可以生成一段圖像的。對于模型來說，語言和圖像并沒有本質(zhì)的不同，相比于聊天機(jī)器人，圖像的生成將輸入的文字轉(zhuǎn)變?yōu)檩斎雸D像的像素點，模型同樣是輸出接下來概率最大的輸出是什么。比如對于圖像來說，就是給定一定的RBG狀態(tài)，輸出接下來是什么。比如：

具體的可以參考Open AI的官網(wǎng)
https://openai.com/blog/image-gpt/

自回歸這種模型，看起來就更適合用于語言模型，或者音頻模型，畢竟在真實世界里面，模型處理的數(shù)據(jù)就是有時序的。而對于圖像來說，上下之間的時序關(guān)系往往沒有那么明顯。所以現(xiàn)在主流的AI繪畫，并沒有使用類似ChatGPT的自回歸模型，而是更普通一點的神經(jīng)網(wǎng)絡(luò)。但最近AI繪畫能力大幅提升的原因，主要來自于訓(xùn)練的方法。

生成對抗網(wǎng)絡(luò) vs 穩(wěn)定擴(kuò)散

對于訓(xùn)練過程，每一次訓(xùn)練的任務(wù)，都有唯一的答案。但對于生成模型來說，答案可能不是唯一的，就是一般認(rèn)為的拿到一部分資料，生成的輸出言之成理即可。比如對于上面GPT生成的圖片，一些不像原圖的答案，也是合理的答案。那么，模型如此對待自己產(chǎn)生的各種答案呢？接下來講兩種方法。

第一種方法是相當(dāng)于是學(xué)生答完題，老師來判卷。——生成對抗網(wǎng)絡(luò)

第二種方法是學(xué)生在答題過程中，老師實時引導(dǎo)學(xué)生往正確答案方向。——穩(wěn)定擴(kuò)散

生成對抗網(wǎng)絡(luò)

在過去，生成對抗網(wǎng)絡(luò)應(yīng)對輸出不唯一的情形是非常主流的方法。主要的思路是，在訓(xùn)練一個生成網(wǎng)絡(luò)來產(chǎn)生答案的同時，訓(xùn)練一個與其對抗的判別網(wǎng)絡(luò)來判別答案是不是真的。比如，在AI繪畫領(lǐng)域，判別網(wǎng)絡(luò)的任務(wù)就是判斷這幅畫是不是AI生成的，在語音合成領(lǐng)域，就是判斷合成的語音是不是真人的語音。在一段時間內(nèi)，生成對抗網(wǎng)絡(luò)取得了很多優(yōu)秀的成果，包括現(xiàn)在我們感受到的很多電話機(jī)器人的聲音，都是生成對抗網(wǎng)絡(luò)的訓(xùn)練結(jié)果。

對抗網(wǎng)絡(luò)一般只判別生成的結(jié)果是否真實，對于具體生成的內(nèi)容是否正確，則可以由具體內(nèi)容進(jìn)行判斷。比如生成一只貓的圖片，對抗網(wǎng)絡(luò)只管它是否是真實的圖片，對于它是否是一只貓，則由其他的判據(jù)來告訴模型。這就導(dǎo)致了一個問題，生成對抗網(wǎng)絡(luò)在生成圖片的時候，比較單一，生成模型總是傾向于輸出容易“糊弄”判別模型的結(jié)果。

在改進(jìn)了這一缺點之后，基于穩(wěn)定擴(kuò)散的AI繪畫生成模型成為了當(dāng)下的主流。

穩(wěn)定擴(kuò)散

基于統(tǒng)計模型的深度學(xué)習(xí)理論，從深度學(xué)習(xí)創(chuàng)始之初，就比較難理解。如果你已經(jīng)理解了生成對抗網(wǎng)絡(luò)的訓(xùn)練方式，可以想象穩(wěn)定擴(kuò)散把生成對抗網(wǎng)絡(luò)的判別器，以統(tǒng)計的方式消融到生成器訓(xùn)練的每一階段。

在穩(wěn)定擴(kuò)散的過程中，假設(shè)原圖處理有encoder-decoder兩個過程，在encoder過程中，每一步在圖像上加上白噪聲，最終，圖像就是白噪聲。在decoder過程中，假設(shè)每一步消除一點白噪聲，最終圖像恢復(fù)成原有的樣子。在推理的過程中，模型只需要輸入一段白噪聲，就能生成一張圖片。這時，生成的圖片未必有什么意義，但模型保證的是這個圖片看起來比較合理。

最終使用時，給模型輸入白噪聲的同時，還會需要輸入一段文字。這時，模型會在輸出一個合理圖片的同時使得這個圖片符合這段輸入文字的描述，也就是我們現(xiàn)在所謂吟唱的過程。

實際應(yīng)用

具體操作方式可以參考下一發(fā)布，這次先粘貼幾個普通應(yīng)用，輸入一些文字，輸出一些繪畫結(jié)果。

熱門課程推薦

熱門資訊

請綁定手機(jī)號

獲取驗證碼
x

同學(xué)您好！

您已成功報名0元試學(xué)活動，老師會在第一時間與您取得聯(lián)系，請保持電話暢通！
確定