imagic :谷歌P图神器来了!不用学不用教 一句话分分钟给结果 2024-04-11 16:05:26 0 0 谷歌P图神器来了!不用学不用教 一句话分分钟给结果 当你拍照片时,模特不好好配合怎么办?没事!现在只用一句话就能后期P图了,还是能改变动作、表情的那种!比如说你能轻松让鸟张开翅膀(输入张开翅膀的鸟即可):又或者说,想要让一只站立的狗蹲下:看起来还真不赖!而这个新的P图方法呢,名叫Imagic,是基于爆火的扩散模型(Diffusion Model)来实现的。是的,又是扩散模型,它的能耐想必也不用多介绍了吧(那看那铺天盖地和它相关的论文就能佐证)。那在扩散模型加持下的Imagic到底有何厉害之处,话不多说,一起来看看吧!多达6种功能据不完全统计,Imagic的功能就有6种。改变姿势、变换构图、切换滤镜、多个对象编辑、添加对象、更改颜色先来看看这个P图神器改变姿势的效果,比如说输入一条站立的狗,通过变换提示文字,得到的效果是酱紫的~或者说输入一个随意站立的人,输入口令,他就乖乖听话,任你摆布(手动狗头)了,甚至还能凭空出现一个水杯。还没看够?那再来康康Imagic其他功能:改变颜色,或者增加对象,也可以多种功能同时使用。总的来说,Imagic的厉害之处太多,这里就不一一详细展开了,效果可以看下图。除了这么多功能之外,Imagic还有另外一个比较人性化的点,就是当你告诉它要如何P图后,它会随机生成几个不同的选项供你选择。其实这种在真实图像上编辑的模型Imagic不是第一个,在此之前就已经有很多个类似的模型。这时就会有网友问了,Imagic有什么厉害的点呢?话不多说,直接上效果对比。这里选取了比较常见的基于真实图像编辑的两个模型:SDEdit、Text2LIVE与Imagic作对比。结果很显然,Imagic完成P图指令的效果很好,在细节上也丝毫不逊色其他模型。(确实妙啊)那Imagic是如何击败SDEdit、Text2LIVE,实现这样的效果呢?是怎样实现的千言万语汇成四个字:扩散模型,在论文的标题上它都赫然在列。具体到Imagic中,扩散模型的作用是如何发挥出来的,来看看详细的P图过程。整体来说分为三大步。第一步是优化文本嵌入层。具体来说,先给定输入的图像和目标文本,然后对目标文本进行编码,得到初始的嵌入层。然后不断调整初始嵌入层,让其能够通过预先训练的扩散模型很好地重建输入图像。这样一来,最终便会得到优化后的嵌入层(能够很好地重建输入图像)。第二步是对扩散模型进行微调,这时就要用到上一步已经优化之后的嵌入层,让嵌入层经过模型后重建输入图像。在重建的过程,需要不断更改模型中损失函数的参数,以让模型适应优化后的输入层,直到能够很好地重建输入图像时为止,这样一来便得到了微调之后的模型。第三步就要开始正式P图了。值得一提的是,这一步除了输入初始的目标嵌入层(tgt)外,还会插入优化好的嵌入层(opt),它们的关系如下图。通过变换参数,实际的效果如下图。如果你想更加详细地了解Imagic,可以戳文末链接阅读论文原文。研究团队Imagic的六位作者均来自Google Research,论文有两位第一作者:Bahjat Kawar和Shiran Zada,均来自以色列。值得一提的是,Bahjat Kawar还是一位以色列理工学院在读博士,他是在Google Research实习期间完成了这项研究。而Shiran Zada今年5月刚加入Google Research,目前是计算机视觉研究员。他曾在微软担任软件工程师以及技术主管的职务,主要负责网络安全相关的项目开发。参考链接:[1]https://arxiv.org/abs/2210.09276[2]https://twitter.com/Buntworthy/status/1582307817884889088[3]https://github.com/justinpinkney/stable-diffusion/blob/main/notebooks/imagic.ipynb责任编辑:随心 收藏(0)