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(huà)（原圖可任意）。
仔細(xì)對(duì)照兩邊，AI幾乎實(shí)現(xiàn)了1:1復(fù)刻，還為我們這些繪畫(huà)小白清晰展示了整幅圖的構(gòu)建過(guò)程。
這項(xiàng)魔法來(lái)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 ）和上海科技大學(xué)（Yifan Wang）的校友。
項(xiàng)目一經(jīng)發(fā)布后即在Reddit引起熱議，高贊更是為藝術(shù)家群體操起了心（doge）。
藝術(shù)家可能會(huì)對(duì)此感到憤怒
不過(guò)也有人表示，這對(duì)于人們學(xué)習(xí)如何繪畫(huà)非常有幫助。
甚至可以用來(lái)“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(huà)過(guò)程延時(shí)視頻，Inverse Painting采用基于擴(kuò)散的逆繪畫(huà)方法。
通過(guò)學(xué)習(xí)真實(shí)藝術(shù)家的繪畫(huà)視頻，結(jié)合文本和區(qū)域理解來(lái)定義繪畫(huà) “指令”，并使用基于擴(kuò)散的渲染器更新畫(huà)布，從而生成類(lèi)似于人類(lèi)藝術(shù)家繪畫(huà)過(guò)程的視頻。
進(jìn)一步拆解，這一過(guò)程主要包括以下步驟：
學(xué)習(xí)藝術(shù)家的繪畫(huà)過(guò)程。收集了294個(gè)丙烯酸風(fēng)景畫(huà)繪畫(huà)過(guò)程視頻（平均時(shí)長(zhǎng)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(huà)過(guò)程；定義繪畫(huà)指令。基于對(duì)畫(huà)作不同元素（比如天空、樹(shù)木、人物等）以及元素相互關(guān)系的理解，模型會(huì)生成一組“繪畫(huà)指令”，告訴模型應(yīng)該先畫(huà)什么，后畫(huà)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(huà)布上添加細(xì)節(jié)，就像藝術(shù)家繪畫(huà)時(shí)一樣；文本和區(qū)域理解。模型還會(huì)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(lái)指定內(nèi)容的確切位置；逐步渲染。從一個(gè)空白畫(huà)布開(kāi)始，逐步生成完整繪畫(huà)過(guò)程；時(shí)間控制。為了模擬真實(shí)世界中藝術(shù)家的繪畫(huà)速度，模型還會(huì)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(cè)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(guò)比較目標(biāo)畫(huà)作和當(dāng)前畫(huà)布的狀態(tài)，生成一個(gè)簡(jiǎn)短的文本指令，比如“畫(huà)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(huà)布上應(yīng)該更新哪些部分。
兩者一結(jié)合，確保模型只在畫(huà)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(huà)布渲染（Canvas Rendering）
接下來(lái)使用第一階段生成的指令來(lái)更新畫(huà)布。
利用文本指令和區(qū)域掩碼，以及當(dāng)前畫(huà)布的圖像和目標(biāo)畫(huà)作，一個(gè)基于擴(kuò)散的渲染器被用來(lái)更新畫(huà)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(huà)布時(shí)會(huì)考慮多種條件信號(hào)，包括文本指令、區(qū)域掩碼、時(shí)間間隔，以及目標(biāo)畫(huà)作和當(dāng)前畫(huà)作的特征。
這些條件信號(hào)幫助渲染器更準(zhǔn)確地模擬人類(lèi)藝術(shù)家的繪畫(huà)風(fēng)格和過(guò)程。
測(cè)試（Test-Time Generation）
在測(cè)試階段，模型使用訓(xùn)練好的管道從頭開(kāi)始生成一幅畫(huà)作。
這里主要有兩個(gè)關(guān)鍵：
自回歸過(guò)程。每一步都依賴(lài)于前一步生成的結(jié)果，以此生成一個(gè)連貫的繪畫(huà)過(guò)程；固定時(shí)間間隔。在每一步之間采用固定時(shí)間來(lái)更新畫(huà)布，模擬真實(shí)繪畫(huà)過(guò)程中的時(shí)間流逝；
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(jiǎn)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(guó)內(nèi)東北大學(xué)軟件工程專(zhuān)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(jué)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(zhuān)業(yè)，今年剛獲得華盛頓大學(xué)CS博士學(xué)位。
個(gè)人主頁(yè)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(huà)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(dòng)漫領(lǐng)域，短短3個(gè)月已在GitHub攬星3.3K。
對(duì)于這事兒，人們一直褒貶不一，大爭(zhēng)議在于人們擔(dān)心有人會(huì)利用AI謊稱(chēng)作者。
畢竟通過(guò)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(duì)于它能教人們學(xué)繪畫(huà)這事兒，也有網(wǎng)友以自身經(jīng)歷出來(lái)反駁：
目前不太符合真實(shí)繪畫(huà)過(guò)程
所以，有了解繪畫(huà)的童鞋來(lái)說(shuō)說(shuō)看嗎？
本文鏈接：http://www.bbbearmall.com/news-132316.htmlAI逆向繪畫(huà)火了！一鍵重繪梵高《星空》
