什么？這些不是真人照片，都是AI畫出來的？！

最近這樣一組美女圖片刷屏了，許多人看到第一反應(yīng)都是“AI逼真到這個份上了？”。

直到看到手部露出了破綻，才敢確定確實是AI畫的。

原來在ChatGPT的光芒掩蓋一切的這段時間，圖像生成AI已經(jīng)從從畫畫悄悄進(jìn)化到了“畫照片”。

這種風(fēng)格和質(zhì)量的AI照片，還有很多在各大網(wǎng)絡(luò)社區(qū)流傳，國內(nèi)貼吧、微博、NGA，國外推特、油管，到處都是。

有網(wǎng)友表示：AI聊天+AI照片，快進(jìn)到AI網(wǎng)戀詐騙。

而Cosplay風(fēng)格的AI照片也讓一些人感嘆“商業(yè)Coser和攝影師可能雙雙下崗”。

根據(jù)各帖子發(fā)布者透露，這些AI照片都出自同一個模型，Chilloutmix。

多個模型融合進(jìn)化，照片級AI誕生

ChilloutMix，二月初出現(xiàn)在模型分享社區(qū)CivitAI（不少愛好者稱之為c站）。

不到兩周時間，下載數(shù)量超過5萬。

簡單來說，這個模型還是基于大家熟悉的Stable Diffusion，1.5版本，但是由許多衍生模型合并（Merge）而來。

主要組件包括兩大模型，首先是Basilmix，專攻逼真的紋理和亞洲臉型。

但這個模型主要還是擅長半寫實的“2.5D風(fēng)格”。

接下來合并了用照片集數(shù)據(jù)優(yōu)化的Dreamlike的衍生模型，讓最終生成結(jié)果更接近3D寫實風(fēng)格。

除了兩個主要模型之外，作者還添加了一些小的Embeddings（相當(dāng)于給AI模型打補(bǔ)?。?/p>

比如第一個Pure Eros Face，提供的.pt文件只有3.92KB，可以合并到任何基于SD1.5的模型，專門負(fù)責(zé)生成“純欲系面孔”。

所有這些模型和Embeddings，各自擅長不同的地方，如一種畫風(fēng)、一種紋理、人物臉型甚至姿勢。

Merge在一起后，可通過不同提示詞調(diào)用它們的能力，一般原作者都會附上使用指南。

如果還是不太會用，CivitAI社區(qū)里還會有很多網(wǎng)友曬使用相應(yīng)模型生成的作品，其中還有很多標(biāo)記了“NSFW”或“18+”，懂得都懂。

除了ChilloutMix之外，文章開頭的那組圖片之所以能固定生成同一張面孔，還使用了另一項技術(shù)LoRA。

LoRA本來是微軟研究團(tuán)隊早在2021年提出的一項大語言模型微調(diào)的技術(shù)，可以大大提高微調(diào)訓(xùn)練速度。

去年底，韓國科學(xué)技術(shù)院KAIST一位研究員@cloneofsimo與HuggingFace合作，將此方法擴(kuò)展到Stable Diffusion上。

不僅實現(xiàn)了單塊11GB顯存的RTX2080Ti實現(xiàn)模型完整微調(diào)，同時原始模型權(quán)重凍結(jié)，新訓(xùn)練出來的權(quán)重可以保存為3MB大小的單個文件發(fā)布。

這項技術(shù)被AI繪畫愛好者用來讓模型固定生成一個物體，最流行的就是固定一個人物形象。

現(xiàn)在，在CivitAI社區(qū)里，每個微調(diào)好的權(quán)重就叫做一個Lora，就相當(dāng)于一個人物模版，所有人都可以方便下載使用。

如開頭的那組圖片就是來自叫“Korean Doll Likeness”的Lora，目前下載量排名第一。

對于ChilloutMix+LoRA這樣的技術(shù)，作者也意識到了可能被濫用的風(fēng)險，并著重提示了法律風(fēng)險，特別強(qiáng)調(diào)不要用于真實存在的人物。

為什么AI還是不會畫手？

對于這個問題，最近也有了研究進(jìn)展。

Stability AI 發(fā)言人表示，在AI數(shù)據(jù)集中，手的圖像不夠顯著，“在源圖像中，手（比面部部分等）要小得多。”

佛羅里達(dá)大學(xué)AI和藝術(shù)副教授Amelia Winger-Bearskin解釋說，AI基于從互聯(lián)網(wǎng)上收集的數(shù)十億張圖像進(jìn)行訓(xùn)練，它并不能真正理解“手”是什么，至少不理解解剖學(xué)意義上手和人體的關(guān)聯(lián)。

在用來訓(xùn)練生成AI的圖像中，手通常會抓住一些東西，或者另一只手。如此一來，手指的情況就不容易辨清。

如果所有的訓(xùn)練圖像中，手都是五指張開，AI就能夠畫出正常的手。