给张图就能反推 AI绘画神器Midjourney能够「看图说话」了

AI 反推出来的 prompt,会比人类手写的更好吗?

在各种 AIGC 产品层出不穷的今天,让 AI 画一张图已经不是什么难事。
尽管有着「无需动笔」、「零门槛作画」等一系列优点,但很多人并不能借助 AI 之手轻松获得一幅理想中的作品 —— 难点在于「prompt」。
Prompt 方法是一门极深的管理学问:如果不输入精准的命令描述,生成结果就可能十分随机,甚至与预期相去甚远。但归根结底,如何给出完美的 prompt,如何让模型按照人类用户预设的方式输出结果,甚至如何降低花在 prompt 上的成本,很少有人清楚。
正因此,AIGC 产业衍生出了一种专门的职业 ——prompt 工程师。前段时间,初创公司 Anthropic 在旧金山招聘「prompt 工程师和图书馆员」,给出的薪水高达 33.5 万美元。
或许,这一过程也能让 AI 代劳呢?AI 会做的比人类更好吗?
最近,AI 绘画神器 Midjourney 就上新了一个功能:/describe。
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
「今天,我们发布了一个 /describe 命令,可让您将图像转换为文字。」
具体来说,Midjourney 学会了从图像中反推 prompt。如果你在 Midjourney 上传一张图片,它会提供给四个版本的描述,你可以直接拿来并进行调整,然后去生成自己想要的图片变体。
Midjourney 是一款 2022 年 3 月发布的 AI 绘画工具,此前刚刚推出第五代版本,由于生成效果十分「炸裂,大量用户迅速涌入,以至于该公司不得不关闭了免费注册通道。
这一次功能的更新意义重大:
  • 改进可访问性:通过用于 Web 显示的 ALT 文本元素,图像描述让有视觉障碍或阅读困难的人更容易访问数字内容;
  • 增强的可搜索性:描述可以通过搜索引擎启用更好的搜索功能和索引;
  • 用于标题:可以包含描述,使图像更加清晰;
  • 详细 prompt:描述可用于创建更详细的 prompt 以制作新变体,可以为快速工程提供灵感。
怎么使用?
用户只需从写一个「 /describe」开始,Midjourney 提供了上传图像的位置:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
上传图片后,点击进入:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
然后,Midjourney 根据图像返回四个描述:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
底部的四个数字是混合按钮,每个数字都与相应的描述相匹配。单击数字,Midjourney 会根据新的描述重新混合图像。
你也可以混合修改 prompt:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
这是创建示例图像的原始 prompt:
an illustration of a brain with tree roots, psychedelic art, vibrant, by Alex Grey, by Amanda Sage, by Robert Venosa, neon colors(一幅有树根的大脑图像,迷幻艺术,充满活力,作者 Alex Grey,作者 Amanda Sage,作者 Robert Venosa,霓虹颜色)
这是 Midjourney 描述的 prompt 之一,被用于混合:
An image of an abstract brain tree with roots, in the style of mark henson, luminous colors, dark symbolism, detailed anatomy, bold lines, vibrant color, psychological phenomena illustrations, chiaroscuro woodcuts(一幅有树根的抽象大脑树图像,马克・亨森的风格,明亮的色彩,黑暗的象征主义,详细的解剖学,大胆的线条,鲜艳的色彩,心理现象的插图,千鸟格的木刻)
新的生成结果如下:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
试用体验
该功能一经发布,就吸引了各位 AI 绘画爱好者的注意,很多人立马就上手开始创作了。
以下是通过一张 NASA 登月任务宇航员照片生成的新图片(右),的确以假乱真:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
下图(左)为原图,(右)为 /describe 之后生成的新结果:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
还有人想到,可以用 /describe 来进行品牌 logo 的升级。如此一来,既可以延续此前的品牌辨识度,又带来了全新的形象。
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
星巴克的「新 logo」毫无违和感。
苹果公司的经典标志,也可以是五彩缤纷的:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
这是阿迪达斯:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
百事公司可以考虑以下这款新设计:
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
不管是「文生图」还是「图生文」,随着用户交互的增加,MidJourney 的效果必然会有所提升。有研究者猜测,MidJourney 一直在进行大规模的人类反馈强化学习(RLHF),而这可能是有史以来规模最大的文字转图像。拥有的用户越多,MidJourney 能做的 RLHF 就越好,然后获得的用户会变得更多。
给张图就能反推 AI绘画神器Midjourney能够「看图说话」了
 
参考链接:https://medium.com/the-generator/midjourneys-crazy-new-describe-feature-a96cc09203cc

本文转载自机器之心,只做主题效果测试使用,本文观点不代表中广智媒(北京)科技有限公司立场。

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023年4月7日 下午1:30
下一篇 2023年4月9日 下午7:10

相关推荐

体验小程序
体验小程序
分享本页
返回顶部