AI逆向繪畫火了！一鍵重繪梵高《星空》，來自華盛頓大學(xué)

一水 2024-10-08 14:40:45 來源：量子位

梵高名作也能被AI逆向破解了？！

直接喂一張?jiān)瓐D，AI就能化身梵高·本高一點(diǎn)點(diǎn)重繪整張圖畫（原圖可任意）。

仔細(xì)對照兩邊，AI幾乎實(shí)現(xiàn)了1:1復(fù)刻，還為我們這些繪畫小白清晰展示了整幅圖的構(gòu)建過程。

這項(xiàng)魔法來自華盛頓大學(xué)，項(xiàng)目名為Inverse Painting，相關(guān)論文已入選SIGGRAPH Asia 2024，其中兩位作者還是東北大學(xué)（Bowei Chen ）和上?？萍即髮W(xué)（Yifan Wang）的校友。

項(xiàng)目一經(jīng)發(fā)布后即在Reddit引起熱議，最高贊更是為藝術(shù)家群體操起了心（doge）。

藝術(shù)家可能會對此感到憤怒

不過也有人表示，這對于人們學(xué)習(xí)如何繪畫非常有幫助。

甚至可以用來“破解”一些大師遺作，提取隱藏或失傳的技術(shù)。

基于擴(kuò)散模型

從原圖→繪畫過程延時(shí)視頻，Inverse Painting采用基于擴(kuò)散的逆繪畫方法。

通過學(xué)習(xí)真實(shí)藝術(shù)家的繪畫視頻，結(jié)合文本和區(qū)域理解來定義繪畫 “指令”，并使用基于擴(kuò)散的渲染器更新畫布，從而生成類似于人類藝術(shù)家繪畫過程的視頻。

進(jìn)一步拆解，這一過程主要包括以下步驟：

• 學(xué)習(xí)藝術(shù)家的繪畫過程。收集了294個(gè)丙烯酸風(fēng)景畫繪畫過程視頻（平均時(shí)長9分鐘），并進(jìn)行視頻幀分割、裁剪和篩選等預(yù)處理操作，讓模型學(xué)習(xí)繪畫過程；
• 定義繪畫指令。基于對畫作不同元素（比如天空、樹木、人物等）以及元素相互關(guān)系的理解，模型會生成一組“繪畫指令”，告訴模型應(yīng)該先畫什么，后畫什么；
• 使用擴(kuò)散模型。用擴(kuò)散模型生成逼真圖像，并逐步在畫布上添加細(xì)節(jié)，就像藝術(shù)家繪畫時(shí)一樣；
• 文本和區(qū)域理解。模型還會生成文本指令和區(qū)域掩碼，前者告訴模型要繪制的內(nèi)容，后者用來指定內(nèi)容的確切位置；
• 逐步渲染。從一個(gè)空白畫布開始，逐步生成完整繪畫過程；
• 時(shí)間控制。為了模擬真實(shí)世界中藝術(shù)家的繪畫速度，模型還會考慮每步之間的時(shí)間間隔；

這些步驟整體可歸為兩階段訓(xùn)練+測試，如下所示：

第一階段：指令生成（Instruction Generation）

這個(gè)階段主要生成兩個(gè)關(guān)鍵指令集，文本指令生成器（Text Instruction Generator）和區(qū)域掩碼生成器（Mask Instruction Generator）。

前者通過比較目標(biāo)畫作和當(dāng)前畫布的狀態(tài)，生成一個(gè)簡短的文本指令，比如“畫天空”或“加花朵”，以此決定下一步應(yīng)該添加哪些元素。

后者是一個(gè)二進(jìn)制圖像，指明了畫布上應(yīng)該更新哪些部分。

兩者一結(jié)合，確保模型只在畫布上合適的區(qū)域進(jìn)行繪制。

△生成的文本指令

第二階段：畫布渲染（Canvas Rendering）

接下來使用第一階段生成的指令來更新畫布。

利用文本指令和區(qū)域掩碼，以及當(dāng)前畫布的圖像和目標(biāo)畫作，一個(gè)基于擴(kuò)散的渲染器被用來更新畫布。

這個(gè)渲染器采用了一種叫做“去噪擴(kuò)散概率模型”的技術(shù)，它逐步從噪聲圖像中去除噪音，以生成連續(xù)的圖像幀。

總之，渲染器在更新畫布時(shí)會考慮多種條件信號，包括文本指令、區(qū)域掩碼、時(shí)間間隔，以及目標(biāo)畫作和當(dāng)前畫作的特征。

這些條件信號幫助渲染器更準(zhǔn)確地模擬人類藝術(shù)家的繪畫風(fēng)格和過程。

測試（Test-Time Generation）

在測試階段，模型使用訓(xùn)練好的管道從頭開始生成一幅畫作。

這里主要有兩個(gè)關(guān)鍵：

• 自回歸過程。每一步都依賴于前一步生成的結(jié)果，以此生成一個(gè)連貫的繪畫過程；
• 固定時(shí)間間隔。在每一步之間采用固定時(shí)間來更新畫布，模擬真實(shí)繪畫過程中的時(shí)間流逝；

最終，與三個(gè)基線方法（Timecraft、Paint Transformer、Stable Video Diffusion）相比，其生成結(jié)果明顯更優(yōu)。

同時(shí)，相關(guān)變體也取得了SOTA結(jié)果。

其中兩位作者為華人

簡單介紹下項(xiàng)目作者，一共5位，其中兩位是華人。

Bowei Chen （陳柏維），本科就讀于國內(nèi)東北大學(xué)軟件工程專業(yè)（2016年入學(xué)），后分別在卡內(nèi)基梅隆大學(xué)機(jī)器人研究所和華盛頓大學(xué)攻讀碩博。

研究興趣為計(jì)算機(jī)視覺和圖形學(xué)的交叉點(diǎn)，重點(diǎn)是圖像和視頻生成。

Yifan Wang，本科就讀于上海科技大學(xué)計(jì)算機(jī)專業(yè)，今年剛獲得華盛頓大學(xué)CS博士學(xué)位。

個(gè)人主頁顯示了多段工作經(jīng)歷（含字節(jié)、谷歌、Adobe等），目前是Meta Reality Labs Research的一名研究科學(xué)家。

實(shí)際上，這個(gè)團(tuán)隊(duì)進(jìn)行的AI逆向繪畫之前也有，網(wǎng)友們還提到了Paints Undo這個(gè)項(xiàng)目。

當(dāng)時(shí)主要應(yīng)用于動漫領(lǐng)域，短短3個(gè)月已在GitHub攬星3.3K。

對于這事兒，人們一直褒貶不一，最大爭議在于人們擔(dān)心有人會利用AI謊稱作者。

畢竟通過講解藝術(shù)思路是作者證明作品原創(chuàng)性的手段之一。

甚至對于它能教人們學(xué)繪畫這事兒，也有網(wǎng)友以自身經(jīng)歷出來反駁：

目前不太符合真實(shí)繪畫過程

所以，有了解繪畫的童鞋來說說看嗎？