前言前几天，我在网上学习NFT制作的时候，发现了一个自动生成NFT作品的网站wombo。我以为是遍历组合身体组件生成新的NFT作品，结果发现是AI通过提供关键词自动生成作品。AI已经可以做艺术品了吗？艾曼
艺术是对事物的理解，是情感的表达，是抽象的阐述。可以从不同角度表达我们的认知。在过去，AI进入艺术文化行业被认为是不可能的。现在看来，这个结论并不成立。它可以通过输入关键词自动生成AI艺术品，每次生成的艺术品都是随机的，也就是说艺术品是独一无二的。
一、技术介绍这个AI是怎么画出来的？答案是多模态生成。
0，指文本、图像、声音等不同形式的信息。多模式是不同类型信息的组合。
艾绘画主要由两个技术组成：剪辑和DC干。
1.剪辑模型以查找图像
如果每张图片都标注了文字描述组成一对，大量使用这样的对来训练AI，它就能理解图片和文字的对应关系。
剪辑过程
Open在2021年1月发布了DALL-E和CLIP，两者都属于图像和文本相结合的多模态模型，其中DALL-E是基于文本生成模型的模型，而CLIP是以文本作为监督信号训练可迁移视觉模型的模型。Wombo工程师在接受采访时还透露，他们的算法中使用了CLIP。
Clip(对比语言-图像预训练)是一种基于文本-图像对对比的预训练方法或模型。
CLIP使用从互联网上收集的4亿对图片和文本进行训练，可以理解颜色和形状，日常物品或建筑，甚至是“印象主义”或“赛博朋克”等抽象艺术风格。对于训练好的模型，如果我们给一个输入文本，它就能找到对应的图片，或者根据图片描述其内容。
想想吧！如果你有办法通过文字找到匹配的图片，有没有可能根据我对事物的描述，画出一个我想要事物的样子的算法？
2.DC-甘模型生成图像接下来，我们要解决图像生成部分。
如果我们有了文字，我们就有能力找到图片。可以根据小说生成电影吗？
没错，就是甘。在这里，甘不得不接受剪辑的调度。至于Wombo的算法用的具体GAN，就不透露了。但根据网络搜集到的信息，甘是最有可能的。DC-GAN于2015年首次提出，它是第一个使用深度卷积网络生成图像的GAN变体。这可以通过输入图像来完成
GAN模型包括生成网络G和识别网络d，生成网络的目的是生成假像使识别网络无法识别真假像，识别网络的目的是试图区分真假像。直到最后，认证网络无法分辨生成网络生成的假图像。
下图是DC氮化镓： DC氮化镓制程示意图。
生成器接收随机噪声Z，然后通过上采样生成图像G(z)。上采样主要采用反卷积算法。g接收一个100维的随机噪声Z，通过投影和整形(实际上是一个全连接层)转换成一个4*4*1024的特征图，然后经过多个反卷积层，生成一个大小为64*64*3的图像。鉴别器的输入是一张图片，经过整个连接层的下采样和处理，然后送到函数输出真假概率。
Wombo生成高分辨率图像，卷积在效率上优于。
二、这个项目的实现方式因为没有开源，而且配置很麻烦，这里我们通过在线URL测试来介绍AI绘画过程。整个过程如下：1 .打开wombo网站。打开网站后，我们可以看到下图所示的界面。(本网站需要科普)，在第一行输入绘画关键词，在第二列选择绘画风格，点击生成。
其中包括：
0的顶栏是关键词输入栏，我们在这里输入关键词或者短句，比如动物，一个女孩。1在第二列中，点击选择要生成的图片的样式2选择好样式后，点击创建即可生成作品。
2.作品创作。首先，由DC-甘产生一个随机图像作为种子(搜索)。
然后CLIP对图片和文字描述的相似度进行评分，并反馈给GAN模型，以提高评分为目标不断迭代。
加载是迭代训练的过程，在等待中我们可以看到中间的结果。
将输出满足最终精度的图片，可以自定义作品标题。GAN模型训练中的随机性意味着生成图像的唯一性。
3.下载作品点击保存下载作品。如果对生成的结果不满意，可以点击按钮重新生成。
三。效果显示输入((蒸汽朋克风格)):
中国城市输出结果是：
东京输入(各种风格)3360
地图
生成：
四。总结人工智能艺术品将成为NFT领域的下一个趋势，这也成为最近一个热门话题。事实上，Wombo也有计划进入NFT领域。我们可以在作品生成界面看到发布为NFT作品的按钮。不同的AI艺术模型有不同的特点，有的偏向现实，有的偏向想象。从文化教育行业的角度，我们可以结合不同AI的特点来启发艺术家，或者AI可以提供主题风格，艺术家可以赋予其意义。但是任何事情都有两面性。有人用它创作艺术品，有人用它制作非法资源。请把握好平衡，捍卫法律，坚守道德底线。
相关文章
