AI 画画暗地里的技术原理是什么样的
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">作者：yichaozhou，腾讯 PCG 应用<span style="color: black;">科研</span>员</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">AI 画画这个<span style="color: black;">行业</span>发展太快了，要<span style="color: black;">晓得</span>去年的 AI 画画还是这个画风的：</p>
<div style="color: black; text-align: left; margin-bottom: 10px;"><img src="https://pic1.zhimg.com/80/v2-48cf73c822908d21a06d096054d0294c_720w.webp" style="width: 50%; margin-bottom: 20px;"></div>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">此刻</span>的 AI 画画<span style="color: black;">已然</span><span style="color: black;">快速</span>进化到这个程度：</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">施法咒语长<span style="color: black;">这般</span>——</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">film still, , large crowds, cyberpunk street, street level photograph, Chinese neon signs, time square advertisements, Dark atmospheric city by Jeremy Mann, Nathan Neven, James Gilleard, James Gurney, Makoto Shinkai, Antoine Blanchard, Carl Gustav Carus, Gregory Crewdson, Victor Enrich, Ian McQue, Canaletto, oil painting, brush hard, high quality, (brush stroke), matte painting, (very highly detailed)</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">生成结果长<span style="color: black;">这般</span>——</p>
<div style="color: black; text-align: left; margin-bottom: 10px;"><img src="https://pic1.zhimg.com/80/v2-95dbaf402155454287dc23a492b4795c_720w.webp" style="width: 50%; margin-bottom: 20px;"></div>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">关于近期各个模型的惊人结果<span style="color: black;">此刻</span>应该<span style="color: black;">已然</span>有<span style="color: black;">非常多</span><span style="color: black;">文案</span>介绍了，本文主<span style="color: black;">想要</span>尽可能直白地解释 AI 画画的原理。<span style="color: black;">由于</span>这块<span style="color: black;">亦</span>是<span style="color: black;">近期</span>才<span style="color: black;">起始</span><span style="color: black;">触及</span>，有些<span style="color: black;">地区</span><span style="color: black;">倘若</span>没理解对，欢迎指正和交流。</p>
<h3 style="color: black; text-align: left; margin-bottom: 10px;"><span style="color: black;">1、</span>计算机<span style="color: black;">怎样</span>生成图画</h3>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">让<span style="color: black;">咱们</span>言归正传，AI 是怎么学会画图的呢？</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">这就要<span style="color: black;">触及</span>到两个方面了。一个是能生成出像真实<span style="color: black;">照片</span><span style="color: black;">同样</span>的数据，一个是要听得懂<span style="color: black;">咱们</span>想要它生成什么，并给出对应的结果。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;"><span style="color: black;">首要</span><span style="color: black;">来讲</span>说看<span style="color: black;">怎样</span>生成出像真实<span style="color: black;">照片</span><span style="color: black;">同样</span>的数据。这<span style="color: black;">触及</span>到<span style="color: black;">设备</span>学习中的一个<span style="color: black;">要紧</span>分支——生成模型（generative model）。<span style="color: black;">针对</span>生成图像这个任务<span style="color: black;">来讲</span>，<span style="color: black;">一般</span>一个生成模型<span style="color: black;">必须</span>先吞进<span style="color: black;">海量</span>的训练数据（巨量的人类真实<span style="color: black;">照片</span>），<span style="color: black;">而后</span>再学习这些数据的分布，去模仿着生成<span style="color: black;">同样</span>的结果。<span style="color: black;">设备</span>学习的核心<span style="color: black;">没</span>非<span style="color: black;">便是</span>这么回事，难点终究是在<span style="color: black;">怎样</span>设计模型让模型能更好学到<span style="color: black;">这般</span>的分布上。</p>
<p style="font-size: 16px; color: black; line-height: 40px; text-align: left; margin-bottom: 15px;">要讲生成模型，有一个不得不提的技术<span style="color: black;">便是</span> VAE，变分自编码器，即 variational auto-encoder。这其中的 auto-encoder，虽然叫 auto-encoder <span style="color: black;">然则</span>其实<span style="color: black;">包括</span>了编码器 encoder 和解码器 decoder，是一个对<span style="color: black;">叫作</span>的网络结构。<span style="color: black;">针对</span>一系列类似的数据，例如<span style="color: black;">照片</span>，虽然数据量很大<span style="color: black;">然则</span>其实是符合<span style="color: black;">必定</span>分布规律的，信息量远<span style="color: black;">少于</span>数据量。编码器的目的<span style="color: black;">便是</span>把数据量为 n 维的数据压缩成更小的 k 维特征。这 k 维特征尽可能<span style="color: black;">包括</span>了原始数据里的所有信息，只<span style="color: black;">必须</span>用对应的解码器，就<span style="color: black;">能够</span>转换回原来的数据。在训练的过程中，数据<span style="color: black;">经过</span>编码器压缩再<span style="color: black;">经过</span>解码器解压，<span style="color: black;">而后</span>最小化重建后数据和原始数据的差</p>
你的话深深触动了我，仿佛说出了我心里的声音。 可以发布外链的网站 http://www.fok120.com/ 外贸论坛是我们的，责任是我们的，荣誉是我们的，成就是我们的，辉煌是我们的。 感谢你的精彩评论，带给我新的思考角度。 感谢您的精彩评论，为我带来了新的思考角度。
页:
[1]