明敏 萧箫 发自 凹非寺
量子位 报道 | 公众号 QbitAI

在“一句话生成照片”这件事上，英伟达又一次突破了大伙的想象力。

他们最新的AI模型GauGAN2，不仅能根据字词生成逼真风景照，还能实时用文字P图！

输入一句“海浪击打岸边石”，立刻输出一张逼真照片：

从单词到短语，这只AI全都能get！

那感觉，简直是要山得山，要水得水：

要是觉得哪部分你不喜欢，直接打字就能“P图”：

上面这些效果，都是英伟达这个叫做“GauGAN2”的模型做出来的，而它的“完整版”功能，还远不止这些。

从草图到文字，都能生成风景照

GauGAN2的绘制模式，一共分为三种。

第一种，打字生成图片。

我们先试了一下单个词组，“阳光（sunshine）”，生成如下图片：

加上限定词in the forest后，AI立刻就将场景换到了树林里，变成光洒在树林中的场景：

再多来点限定词也没问题。

像“冬日树林中的阳光”，输入in winter后，眼前本来郁郁葱葱的树林立刻“全秃了”，换成了雪景下的一幕：

这效果，u1s1（有一说一）确实不错。

还能输出不同style的风景图，例如输入“大山（mountain）”一词，立刻要山有山，还能给你换不同风格：

当然，这些不同的风景照也都能继续生成新细节，在mountain后加上“beside a river”就能生成山水：

第二种，“打字P图”，直接用文字编辑部分图像。

只需要把想替换掉的部分圈出来，输入你想要的东西，就能立刻造出各种新颖的风景图：

嗯……英伟达给出的这个demo，思路也是非常清奇了，“浮在空中的城堡”：

第三种，用涂鸦生成风景照。

这是上一代GauGAN2（2019年英伟达推出的GauGAN）的看家本领。

例如，要是想实现下面这样的“一片天空两个太阳”，就完全可以在通过文本生成的图像上，自己手动再加一个。

这几种玩法叠加在一起，简直让网友们脑洞大开。

像外媒ZDNet就恶搞出来了一种神奇的玩法，在已有的风景上画个人头：

然后让GauGAN2根据已有的画面，再重新生成图画，就会得到如下“人头海岛”的神奇景观：

不过这可能也对个人画技有所要求，在我们的灵魂画风下，效果看上去就有些……不太聪明的亚子。

那么，生成这一系列风景照的GauGAN2，背后究竟用了什么原理？

它与OpenAI今年发布的DALL·E和CLIP，又究竟有什么区别？

与DALL·E有什么不同？

2019年，英伟达GauGAN2的“前身”GauGAN正式开源。

当时的它，还只拥有其中一个能力，就是将涂鸦直接变成风景画，就像「神笔马良」一样，还推出了对应的软件Canvas：

当然，这时GauGAN已经能随意改变画面风格了，从白天黑夜到春夏秋冬的气质都能稳稳“拿捏”：

据英伟达介绍，GauGAN采用了一种基于空间适应标准化（SPADE）算法。

SPADE算法不仅使用随机的输入图像，还采用了一种被称作“分割图”的图像。在分割图中，每一个像素都会被归类，来生成更接近于真实的图像，这种模式被称作“图对图翻译”。

△GauGAN的技能点（狗头）

现在，英伟达将GauGAN升级成了GauGAN2，后者一共采用了1000万张高质量的图片、在英伟达Selene超算上进行训练，这台超算在Green500排行榜上排到世界第二。

生成这些风景画的效果和“手法”，是不是感觉有点熟悉？

没错，大多数人看到GauGAN2的第一眼，可能都会觉得它和OpenAI的DALL·E+CLIP有点像。

今年年初，OpenAI用DALL·E和CLIP两个模型，做了个“图像版”GPT-3，同样能用一句话生成图片。

不过，这两个模型生成的内容其实不太一样。

GauGAN2专注于生成风景照，DALL·E+CLIP则更多地生成具体的物体，例如一把椅子或者一个闹钟等。

这与它们的原理差异也有关系，GauGAN2更加注重“单词与视觉效果”之间的关系，例如“冬天”这种模糊的状态词给照片带来的效果；DALL·E+CLIP则更注重“文字-图像”这种有明确对应关系的物体效果。

据英伟达介绍，GauGAN2不同于“文本-图像”和“分割图像-图像”一类的模型，它所能产生的照片种类更多，质量也会更高。

不过，偶尔也会出现点bug…

比如给出“沙滩（beach）”一词后，有些生成的画面中出现了语言无法描述的事物。

对此，英伟达表示，他们在训练中“完全没有用到任何人像照片”。（所以可能是偶然？）

但这样一来，网友想要的“瑞克摇（Rick roll）”和“鬼畜视频生成”，GauGAN2大概也是没办法实现了。

但是能生成仿佛梦境中才能见到的画面，也吸引了不少人来试玩。

这不，有人就晒出了自己生成的抽象画大作，并表示自己非常喜欢这个模型：

还有人表示，GauGAN2给出了一些建筑设计的新idea啊。

也有网友觉得这种能够自动生成景观的功能，未来Adobe可能也会用上。

或许就是下一个画手利器？

最后，GauGAN2在浏览器上就能试玩，欢迎大家留言讨论自己的体验感受~

GauGAN2试玩Demo地址：
http://gaugan.org/gaugan2/

参考链接：
[1]https://twitter.com/NVIDIAAI/status/1462835802266902535
[2]https://blogs.nvidia.com/blog/2021/11/22/gaugan2-ai-art-demo/?ncid=so-twit-261232-vt16#cid=nr01_so-twit_en-us
[3]https://venturebeat.com/2021/11/22/nvidias-latest-ai-tech-translates-text-into-landscape-images/
[4]https://www.zdnet.com/article/the-absurd-beauty-of-hacking-nvidias-gaugan-2-ai-image-machine/
[5]https://blogs.microsoft.com/ai/drawing-bot/
[6]https://www.nvidia.com/en-us/studio/canvas/