金磊发自凹非寺
量子位公众号 QbitAI
四位美少女，带着 AI 画画在 ChatGPT 的热浪中杀出了一片天地。
新“魔法”一出，瞬间吸引全场目光：
原本是一张四个闺蜜在沙滩边上的普通合影照：
在新魔法的加持下，“啪的一下”画风两极反转，瞬间进入唯美动漫风：
还有效果截然不同的，例如酱紫：
不仅是动漫画风效果上的惊艳，就连人物的 pose 也是保持得“原汁原味”，美女们这下子算是分分钟实现了动漫自由。
如此效果一出，也是引来了不少网友们的围观，直呼“在线求教程”：
也有不少人呼吁可以将这套玩法商业化了：
两大 AI 高手联动
使出这套 AI 组合拳的，是一位叫“viggo”的华人小哥博主。
他所持的两大法宝分别是：左手StableDiffusion，右手ControlNet。
StableDiffusion，相信很多友友们都已经很熟悉了，是根据输入提示的文本，就可以快速出图的 AI 作画神器。
ControlNet，则是新晋当红 AI 插件（GitHub 上线 2 天狂揽 4.6K 星），相当于给 AI 作画这事加了 buff，可以精准控制手部细节和整体结构等。
小哥的做法说起也是比较简单，就是先将原图导入进去，用 StableDiffusion 图片转文字。
再用 Text2Prompt 插件拓展找到对应的关键词；最后用 ControlNet 插件绑定骨骼开始换关键词试效果。
当然，原图中四位美女的姿势，也可以根据小哥绘制骨骼结构的不同发生相应的改变。例如这样的：
相比原图中人物的位置，上面这张中的人物更分散了一些，也站到了一排；以及上半身手臂的姿势也发生了变化。
也是得益于 StableDiffusion 的能力，AI 生成画作在画风上也能产出截然不同的效果：
效果之惊艳，已经有网友按耐不住，照着小哥的说法“复现”了一遍，并表示：第一次接触，很好玩，尝试复现下，感觉良好。
不过有一说一，这位新晋 AI 作画顶流插件 ControlNet 的“神通”可不仅于此。
简单几笔也可画出真人效果
例如微博博主“海辛 Hyacinth”便分享了他用 ControlNet 插件后“草图变美女”的玩法。
他先是找了一张线稿：
然后是开启了 ControlNet 的 scribble 模细化效果，便得到了这样的结果：
效果之逼真，也是令人叹服了。
“海辛 Hyacinth”还测试了在同一 seed 下不同参数的效果：
有小伙伴就要问了，那如果关闭了 ControlNet，效果会如何？别急，博主也做了测试，效果是这样的：
“海辛 Hyacinth”的这波操作也是得到了 ControlNet 作者的认可：
这也把博主本人激动坏了，直呼“尖叫”：
当然，ControlNet 还可以实现其它诸多的功能，例如在装修设计上，可以输入一张拍好的卧室图，分分钟输出草图和换了风格的效果图：
以及在 ControlNet 的在线网站中，也提供了许多不同功能玩法体验，感兴趣的小伙伴可以去尝试哦：
给 AI 画画模型加 buff
ControlNet 的原理，本质上是给预训练扩散模型增加一个额外的输入，控制它生成的细节。
这里可以是各种类型的输入，作者给出来的有 8 种，包括草图、边缘图像、语义分割图像、人体关键点特征、霍夫变换检测直线、深度图、人体骨骼等。
那么，让大模型学会“按输入条件生成图片”的原理是什么呢？
ControlNet 整体思路和架构分工如下：
具体来说，ControlNet 先复制一遍扩散模型的权重，得到一个“可训练副本”（trainable copy）。
相比之下，原扩散模型经过几十亿张图片的预训练，因此参数是被“锁定”的。而这个“可训练副本”只需要在特定任务的小数据集上训练，就能学会条件控制。
据作者表示，即使数据量很少（不超过 5 万张图片），模型经过训练后条件控制生成的效果也很好。
“锁定模型”和“可训练副本”通过一个1×1 的卷积层连接，名叫“0 卷积层”。
0 卷积层的权重和偏置初始化为0，这样在训练时速度会非常快，接近微调扩散模型的速度，甚至在个人设备上训练也可以。
例如一块英伟达 RTX 3090TI，用 20 万张图像数据训练的话只需要不到一个星期：
作者基于当前大火的 Stable Diffusion 进行了具体实现，主要架构如下：
针对不同的输入，作者也给出了对应不同的模型，生成效果也都不错。
具体效果，就如我们刚才所展示的那样了。
One More Thing
最后来一个温馨提示……男同胞们不要觉得 2 月 14 日这个情人节过完就安全了。
接下来还可能有白色情人节（3 月 14 日）、黑色情人节（4 月 14 日）、玫瑰情人节（5 月 14 日）、亲亲情人节（6 月 14 日）……
赶紧把这套“AI 组合拳”学起来，送自己的老婆/女朋友一张唯美的礼物吧！
[1] https://twitter.com/decohack/status/1627378506857611264
[2] https://weibo.com/timerainer1015
[3] https://github.com/lllyasviel/ControlNet
[4] https://twitter.com/lvminzhang/status/1627142848788463616
