都說 AI 繪畫來勢洶洶，但論創(chuàng)意，還是人類玩得花。
不信來看看這張乍一看平平無奇，卻在網(wǎng)上瘋傳的 AI 生成美女圖片：
趕緊按下手機截圖鍵，看看原圖和縮略圖的對比，你就能窺破玄機：
是的沒錯！
這張 AI 生成的圖片里，偷摸在光影中融進去了兩個漢字。
這兩天，類似圖片瘋狂刷屏。各個平臺上被爭相討論的，不僅有上面的??啤姐，還有下面這位 diao 哥。
以及這位把 AI“穿”在身上的的紅毛衣小姐姐：
建議大家在手機上手動縮放一下這些圖，縮得越小，圖片夾帶的文字能更清晰。
還有網(wǎng)友給了別的“認字”秘訣，比如摘下你的近視眼鏡：
呼聲最高的評論有兩種，一種是“牛哇牛哇”的感嘆，另一種是嗷嗷待哺的“蹲教程”。
所以，這些又牛又 diao 的圖，是怎么做出來的？
ControlNet 又立大功
要讓光影在圖片甚至人物衣物上“寫字”，利用的工具還是那套神奇的 AI 繪圖組合：
Stable Diffusion+ControlNet。
作為最火爆的兩個 AI 繪畫工具之一，Stable Diffusion 已經(jīng)風靡一年，熱度不減，已經(jīng)被大伙兒熟知和玩壞了。
所以今天想重點介紹一下 ControlNet，這家伙是 Stable Diffusion 的一個 AI 插件。
今年春天，ControlNet 因為能夠搞定 AI 原本無法控制的手部細節(jié)、整體架構，一炮而紅，被網(wǎng)友們戲稱為“AI 繪畫細節(jié)控制大師”。
Stable Diffusion 根據(jù)提示詞生成圖像顯然太過隨機，ControlNet 提供的功能，恰好是一種更精確地限制圖像生成范圍的辦法。
究其原理，本質上是給予訓練擴散模型增加一個額外的輸入，從而控制它生成的細節(jié)。
“額外的輸入”可以是各種類型的，包括草圖、邊緣圖像、語義分割圖像、人體關鍵點特征、霍夫變換檢測直線、深度圖、人體骨骼等。
Stable Diffusion 搭配 ControlNet 的整個過程中，第一步是預處理器生成圖像，第二步讓這些圖像經(jīng)過 ControlNet 模型的處理，第三步時，將圖像輸入到 Stable Diffusion 中，生成最后展現(xiàn)在用戶面前的版本。
單說 ControlNet 的整體思路，就是先復制一遍擴散模型的權重，得到一個可訓練副本（trainable copy）。
原本擴散模型經(jīng)過幾十億張圖片的預訓練，參數(shù)處于被“鎖定”的狀態(tài)。但這個可訓練副本，只需要在特定任務的小數(shù)據(jù)集上訓練，就能學會條件控制。
而且就算數(shù)據(jù)量很少 —— 哪怕少于 5 萬張 —— 模型經(jīng)過訓練后，條件控制生成的效果也賊拉棒。
比如 diao 哥和牛啤姐的那幾張圖中，它主要起到的作用，就是負責確保文字作為光影、衣服圖案等，“放進”了圖像中。
抖音原作者表示，最后還用上了 ControlNet tile 模型，這個模型主要負責增加描繪的細節(jié)，并且保證在增加降噪強度時，原圖的構圖也不會被改變。
也有 AI 愛好者“另辟蹊徑”，表示要得到如圖效果，可以用上 ControlNet brightness 模型（control_v1p_sd15_brightness）。
這個模型的作用，是控制深度信息，對穩(wěn)定擴散進行亮度控制，即允許用戶對灰度圖像著色，或對生成的圖像重新著色。
一方面，能讓圖片和文字融合得更好。
另一方面，能是讓圖片尤其是文字部分亮起來，這樣光影寫出的文字看起來會更加明顯。
眼尖的小伙伴們可能已經(jīng)發(fā)現(xiàn)了，給圖片加漢字光影的整體思路，跟前幾天同樣爆火的圖像風格二維碼如出一轍。
不僅看起來不像個“正經(jīng)”二維碼，用手機掃掃還能真的跳轉到有效網(wǎng)頁。
不僅有動漫風，還有 3D 立體、水墨風、浮世繪風、水彩風、PCB 風格……
同樣在 Reddit 等平臺上引起“哇”聲一片：
不過略有不同的是，這些二維碼背后不僅需要用到 Stable Diffusion 和 ControlNet（包括 brightness 模型），還需要 LoRA 的配合。
感興趣的旁友們，可以戳量子位之前的文章一探究竟《ControlNet 新玩法爆火》。
AI 大手子分享教程
光影效果爆火之后，推特上很快有 AI 大手子站出來表示愿意分享手把手教程。
大概思路非常簡單，分為 3 個重要步驟：
第一步，安裝 Stable Diffusion 和 ControlNet；
第二步，在 Stable Diffusion 中進行常規(guī)的文生圖步驟；
第三步，啟用 ControlNet，重點調整 Control Weight 和 Ending Control Step 兩個參數(shù)。
運用這個方法，不僅可以完成人像和光影文字的融合，城市夜景什么的，也妥妥的。
大佬還在教程里溫馨提示了一下：
寫提示詞時，盡量不要用一些例如特寫人像之類的提示詞，不然文字或者圖案就會蓋在人臉上，很難看.
（教程鏈接：https://mp.weixin.qq.com/s/rvpU4XhToldoec_bABeXJw）
有了手把手教學，加上同思路的 AI 二維碼制作秘籍早已公開，網(wǎng)友們已經(jīng)玩嗨了：
你說說，這效果，這動手能力，誰看了不說一句 NB 呢？（doge）
如果你也動手 NB 了一下，歡迎在圍脖平臺 @量子位，投喂你的最終成品和我們互動嗷～
廣告聲明：文內含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。