iPad可用AI繪畫交互編輯神器火了，網(wǎng)友：顫抖吧PS

奇月 2024-12-01 19:10:22 來源：量子位

比PS更懂你的AI圖片編輯工具——MagicQuill（魔法羽毛）來了！

1分鐘出圖：不用打字、簡單勾畫幾筆就能編輯圖片。

還支持直接在iPad上在線編輯！

研究團隊來自香港科技大學、螞蟻集團、浙江大學和香港大學等機構(gòu)。

我們先一起看個例子感受一下——

有了MagicQuill，現(xiàn)在當你想要給人物更換衣服時，就可以直接畫出領(lǐng)子，它會自動幫你補全。

加條項鏈、去除路人，幾秒鐘就搞定：

你還可以更換發(fā)色、讓人物戴上花環(huán)，甚至更改花朵的顏色：

只需要1分鐘多的時間，就可以實現(xiàn)上面這么多編輯效果，尤其是對于想要快速修改照片的用戶來說，簡直太方便了！

還有更多有趣的例子，機器人、汽車、蛋糕等，都可以快速修改！

有多位網(wǎng)友評論說，AI圖像編輯真的進步飛快，“能讀懂用戶心思”是非常具有未來感的用戶體驗。

甚至還有網(wǎng)友說，顫抖吧，PS！

MagicQuill目標是理解精細修改意圖

雖然目前AI圖像編輯工具是百花齊放，但想要實現(xiàn)精細編輯，很多工具的效果還是比較令人捉急。

MagicQuill團隊的目標是實現(xiàn)一個高效且精確的圖像編輯系統(tǒng)，能夠在用戶進行細微修改時提供更好的使用體驗。

這不僅包括實現(xiàn)細粒度的圖像編輯控制、還要提供直觀的用戶界面、并實時預(yù)測用戶意圖。

最終團隊選擇基于擴散模型、文本和掩碼的圖像編輯方法、以及多模態(tài)大型語言模型（MLLMs） 進行實現(xiàn)，并設(shè)計了簡約實用的用戶界面。

MagicQuill的具體構(gòu)成

一起來看看MagicQuill系統(tǒng)的具體構(gòu)成是什么樣的。主要分為3個部分：

1.編輯處理器

編輯處理器采用雙分支架構(gòu)，包括內(nèi)容感知修復分支和結(jié)構(gòu)引導分支。

內(nèi)容感知修復分支利用UNet架構(gòu)，結(jié)合掩碼圖像特征和預(yù)訓練的擴散網(wǎng)絡(luò)進行像素級修復。

結(jié)構(gòu)引導分支則通過ControINet插入條件控制，確保編輯操作的精確性。

2.繪畫助手

繪畫助手通過多模態(tài)大型語言模型（MLLM）實時預(yù)測用戶意圖。

具體的任務(wù)稱為“Draw&Guess”，也就是通過圖像上下文解釋用戶筆畫并自動生成相關(guān)提示。

團隊采用的數(shù)據(jù)集通過生成邊緣圖和模擬用戶筆畫進行構(gòu)建，并使用LLaMA模型進行微調(diào)。

3.創(chuàng)意收集器

創(chuàng)意收集器為用戶提供了一個簡約直觀的界面，它兼容多個平臺，團隊也提供了在線demo，你可以在電腦或iPad上直接使用！

界面主要包括提示區(qū)、工具欄、圖層管理、主畫布、生成圖像預(yù)覽區(qū)、執(zhí)行按鈕和參數(shù)調(diào)整區(qū)。

按鈕設(shè)計非常簡潔，有上傳圖片、“增加”畫筆、“減少”畫筆、改顏色畫筆、橡皮等等。

下方的參數(shù)調(diào)整區(qū)域更適合有豐富的生圖經(jīng)驗的專業(yè)人士：

比如在Base Model Name里，你可以選擇不同的基礎(chǔ)模型，有適合生成真實風格的SD1.5/realisticVisionV60B1_v51VAE.safetensors、適合生成幻想風格的SD1.5/DreamShaper.safetensors等。

你還可以調(diào)整Negative Prompt避免生成部分內(nèi)容、還有Fine Edge精細邊緣調(diào)整、Grow Size調(diào)整筆觸大小等等。完整工作流程如下圖所示。

實際效果怎樣呢？

為了更準確地測試MagicQuill的具體效果，團隊還設(shè)計了3個驗證實驗：

1.可控生成評估

將MagicQuill與四個基線方法（SmartEdit、SketchEdit、BrushNet及其組合）進行比較，評估編輯處理器的可控生成能力，尤其關(guān)注邊緣對齊和顏色保真度。

結(jié)果顯示，MagicQuill的編輯處理器在所有指標上均優(yōu)于基線方法，具有更高的邊緣對齊度和顏色保真度。

2.預(yù)測準確性評估

為了評估MagicQuill在模擬手繪輸入下的語義預(yù)測準確性，團隊將它的繪畫助手與三種最先進的MLLMs （LLaVA-1.5、LLaVA-Next、GPT-4o）進行了比較。

結(jié)果顯示，繪畫助手在所有測試的MLLMS中表現(xiàn)最佳，可以更準確地捕捉和預(yù)測用戶繪圖的語義含義。

3.創(chuàng)意收集器有效性評估

團隊還通過用戶研究評估了創(chuàng)意收集器的效率和可用性，并比較了它與基線系統(tǒng)的差異。

用戶研究結(jié)果顯示，MagicQuill在所有評估維度上都顯著優(yōu)于基線系統(tǒng)，包括復雜性和效率、一致性和集成、易用性以及總體滿意度4個方面。

看來體驗過的用戶反饋都不錯呢！

未來工作

團隊還表示，這將是一個長期的工作，未來他們的目標是擴展系統(tǒng)功能，納入更多的編輯類型，如基于參考的編輯，這將允許用戶使用外部圖像指導修改。

他們還計劃實現(xiàn)分層圖像生成，可以讓編輯更加靈活、支持更多復雜合成。

系統(tǒng)也會支持排版，能夠處理更多圖像中的文本元素。

目前MagicQuill的代碼、論文和Demo都已上線，感興趣的小伙伴可以馬上試用起來了！鏈接就在下方。

參考鏈接：https://magicquill.art/demo/