【新智元导读】有了??????-?-??????，不是艺术家，也成艺术家。
只需随笔一画，高清画作就来了。
比如，画一个中世纪城堡，简单画个门，画条路，一座美丽的城堡出现了。
带邮箱的霍比特人房子
海洋边缘的灯塔（PS：有点像海底星空）
来自斯坦福的研究人员提出了??????-?-??????，一个能够将草图变成画作的模型。
甚至，??????-?-??????可将生成的图像，转换成完整的草图，还能为下一步的绘画提供建议。
那么，它具体是如何工作的呢？
草图，还能再编辑
现有的草图控制图像生成方法包括ControlNet、Sketch-Guided Diffusion，以及DiffSketching。
虽然现有的草图到图像方法有着很大优势，但它们有一个关键缺陷：被训练来处理完成的草图。
然而，典型的草图工作流程是一个迭代的进行中的工作！
艺术家逐步添加或删除线条，有时在深入到更精细的细节之前构建基本结构，有时在移动到另一个区域之前专注于图像的一个区域。
因此，我们需要在草图绘制过程的阶段，实现草图到图像的功能。
在Sketch-a-Sketch中，研究人员引入了一个ControlNet模型，该模型生成以部分草图为条件的图像。
有了ControlNet，Sketch-a-Sketch可以：
1）在草图过程的各个阶段生成与草图相对应的图像
2）利用这些图像生成有助于指导艺术过程的建议草图
问题：现有方法不适用于部分草图
以前的研究是在图像和完成草图的配对数据集上训练的。
在尝试根据部分草图生成图像时，这些方法会将草图视为已完成的草图。
因此草图其余部分的空白会被视为一个指标，表明图像不应包含通常与输入草图中的笔画相对应的内容。
例如，给定房子的前几条线，ControlNet无法在绘制线的区域之外生成重要的细节：
在这些草图中，与线条相对应的特征出现在生成的图像中：支撑屋顶的柱子、栏杆的顶部、门廊的底部等。
然而，在草图仅包含空白的区域，也存在大量主要的图像特征。
训练数据：通过随机删除线条制作部分草图
Photo-Sketch 是现有的最大数据集，其中包含文本描述图像，与部分完成阶段的草图配对的数据集。
然而，该数据集存在以下不足：
1）仅限于 1000 张图片的草图；
2）所有图片均为室外场景（缺乏多样性，无法生成一般的文本条件）；
3）通过对现有图片进行描摹来构建（强加了笔画顺序，可能与许多艺术家的画图过程不符）。
因此，我们以编程方式构建了自己的数据集，其中包含与部分草图配对的带描述图像。
斯坦福研究人员的方法是：1）使用HED将图像转换为光栅化边缘图；2）将边缘图矢量化为笔画集合；3）随机删除部分笔画。
通过以任意顺序删除笔画，我们还能以任意顺序绘制的笔画为条件生成图像，从而适应各种草图风格。
研究人员使用来自LAION Art的45000张图片构建了配对数据集，并对ControlNet模型进行了训练，以便在图片-草图配对上调节Stable Diffusion 1.5。
训练好的模型将文字说明和部分草图作为输入，并输出与可能完成的草图相对应的生成图像。
需要注意的是，通过对许多不同完整程度的随机部分草图进行训练，模型学会了将任何完整程度的草图转换成最终图像。
这就意味着，模型并不假定你绘制线条的顺序。
你可以按照任何顺序绘制线条，??????-?-??????仍会根据草图的当前状态生成图像。
生成你想要的图像
当艺术家不太确定他们想如何绘制图像的一部分时，可以根据绘制的线条生成各种图像完成。
比如，不太确定他们想如何绘制杯子的把手，所以??????-?-??????生成了3张图像：
有了这些生成的图像，Sketch-a-Sketch可以为潜在的绘制线条提供建议。
通过在生成的图像上运行HED，来生成现有绘图的潜在补全，然后就可以获得建议线条的图像：
风格可控
图像说明和底层扩散骨架会对图像可视化和建议线条产生重大影响。
与其他文本控制扩散应用一样，??????-?-??????可以通过提示来修改生成图像的风格或内容。
在下面的图中，可以通过更改一个单词来控制一辆跑车的可视化风格：
提示：跑车，逼真
提示：跑车，卡通
提示：跑车，阴影
提示：跑车，生锈
之前已经看到过，在一个骨干网（Stable Diffusion 1.5）上训练过的ControlNet在该骨干网的微调版本上仍然有效。
这一特性同样适用于部分草图ControlNet模型，使Sketch-a-Sketch能够从针对特定领域进行微调的模型中生成建议。
例如，我们可以使用吉卜力扩散生成吉卜力风格的角色：
作者介绍
Vishnu Sarukkai
Vishnu Sarukkai是斯坦福大学的博士生，导师是Chris Ré和Kayvon Fatahalian。他曾在斯坦福大学获得了计算机学士学位。
他的研究兴趣包括机器学习和计算机图形学，最近的研究主要集中在可控扩散模型上。
Christopher Ré
斯坦福人工智能实验室（SAIL）、基础模型研究中心（CRFM）和机器学习小组（生物）的副教授。
Kayvon Fatahalian
Kayvon Fatahalian的团队创建了支持高级计算机图形和视频理解应用程序的计算系统（通常是高性能和并行的）。最近的研究工作包括，用于「AI训练」的虚拟环境的高性能模拟。
关注公众号【机器学习与AI生成创作】，更多精彩等你来读
卧剿，6万字！30个方向130篇！CVPR 2023 最全 AIGC 论文！一口气读完
深入浅出stable diffusion：AI作画技术背后的潜在扩散模型论文解读
深入浅出ControlNet，一种可控生成的AIGC绘画生成算法！
经典GAN不得不读：StyleGAN
戳我，查看GAN的系列专辑~！拆解组新的GAN：解耦表征MixNMatch
StarGAN第2版：多域多样性图像生成
附下载 | 《可解释的机器学习》中文版
附下载 |《TensorFlow 2.0 深度学习算法实战》
附下载 |《计算机视觉中的数学方法》分享
《基于深度学习的表面缺陷检测方法综述》
《零样本图像分类综述: 十年进展》
《基于深度神经网络的少样本学习综述》
《礼记·学记》有云：独学而无友，则孤陋而寡闻
点击一杯奶茶，成为AIGC+CV视觉的前沿弄潮儿！，加入 AI生成创作与计算机视觉 知识星球！
相关文章
