你有没有感觉到，从2023年开始，身边的同事和同行越来越多地开始谈论 、 和 这些 AIGC 工具，甚至已经开始在工作中使用它们了？AIGC 的英文是 ，也就是“生成式人工智能”，它能根据用户的指令，利用人类已有的知识，尽可能“生成”你想要的答案。
《 ——AIGC绘画实训教程》
孟德轩 | 著
人工智能（AI）绘画的起源可以追溯到半个世纪前的 1973 年，哈罗德•科恩®创作了世界上第一幅人工智能绘画作品。科恩使用他开发的 AARON 程序，通过一系列设定好的规则，生成了由各种蓝色线条组成的图像。这些作品非常抽象，经常被拿来与抽象艺术家杰克逊•波洛克的作品相提并论。然而，科恩既没用画笔，也没用颜料，仅靠计算机程序就生成了这些作品。
2014 年，生成对抗网络（ ,GAN）问世。GAN 由生成器和判别器两个组件组成，生成器用于生成类似于训练数据的新数据，比如图片，而判别器则负责判断生成器生成的数据是真实的还是虚假的。
那么，这与 AIGC 绘画有什么关系呢？
GAN 可以用于生成逼真的图片，如肖像。在 AIGC 绘画领域，GAN 已被用于创作令人惊叹的艺术作品。例如在 2018 年，一幅名 “ de ”的 GAN 生成画作以 432 500 美元的价格在拍卖会上售出，这幅画作是为了向 GAN 的发明者 lan 致敬。
2020 年， 公司开发的突破性深度学习算法——一种基于对比文本和图片的预训练模型 （ -Image Pre-, CLIP）对 AIGC 绘画的发展产生了重大影响。CLIP 采用创新的方法将自然语言处理技术和计算机视觉技术相结合，能够有效地理解和分析文字与图片之间的关系，为基于文本提示生成 AIGC 绘画铺平了道路。
典型的 CLIP 驱动的图片生成器由一个用于生成样本图片的神经网络和一个 CLIP 模型组成，用于评估图片与给定文本提示的相关性。Deep Daze 是利用这一架构的早期项目之一、随后出现了广泛使用的 VQGAN+CLIP 模型。
凯瑟琳•克劳森（又名 Have Wings）在 AIGC 绘画的发展中扮演了关键角色。她对普及 AIGC 绘画技术产生了重大影响，使普通人也能够接触到 AIGC 绘画。作为杰出的 AI 艺术家和技术先驱，她还是扩散模型开发的技术领导者之一。
2022 年将被视为 AIGC 绘画成为主流艺术形式的转折点。2022 年，扩散模型成为主流的生成模型。扩散模型通过将简单的随机噪声信号转化为更复杂的数据（如图片）来生成作品。与 GAN 不同，扩散模型使用连续过程生成作品，使其更稳定且更易于控制。此外，它们在计算成本和性能方面也优于 GAN，因为它们可以使用较少的计算资源生成高质量图片。扩散模型还能够生成不同的作品而不会出现模块崩溃，而这也是 GAN 的一个常见问题。这些优势使得扩散模型在 AIGC绘画创作中越来越受欢迎。2022 年，潜在扩 EX ( )模型在 AIGC绘画领域迅速发展， 的 DALL-E 在其中发挥了重要作用。
来自 AI 的研究团队为推广 AIGC 绘画做出了重要贡献，他们的稳定扩散模型使普通大众能够实践 AIGC 绘画。该模型由潜在扩散模型演变而来，其性能可与 的 DALL-E 2 相媲美。开源的 AIGC 绘画模型的可用性推动了基于 web 的 AIGC 绘画的发展，使任何人都能进行创作。
今晚20:00图灵社区邀请到《 ——AIGC绘画实训教程》一书作者轩轩老师和大家分享【AI绘画商业应用前景】，深入了解 AI 绘画的商业潜力和市场机遇，探索艺术与科技的跨界融合。
干货满满，赶快预约起来~
相关文章
