量子位 | 公众号 QbitAI
AI画画通用模型，新增一员大将！
由阿里达摩院副院长周靖人等人打造的可控扩散模型Composer，一经发布就小火了一把。
这个模型由50亿参数演习而来，和Stable Diffusion事理不同。
它更进一步把演习图像拆解成了多个元素，然后基于这些元素演习扩散模型，让它们能够灵巧组合。
由此一来，模型的创造能力就比仅基于图像大很多。
如果有100张能拆分成8个元素的图像，那么就能天生一个数量为100的8次方的结果组合。
网友们看了纷纭表示，AI画画发展速率也太快了！
团队表示，模型的演习和推理代码都在路上了。
有限手段的无限利用该框架的核心思想是组合性（compositionality），模型名字就叫做Composer。
不雅观察到现下很多AI画画模型，在细节的可控性上还没有做到很好，比如准确改变颜色、形状等。
研究团队认为，想要实现图像的可控天生，不能依赖于对模型的调节，重点该当放在组合性上，这种办法可以将图像的创造力提升到指数级。
引用措辞学大师诺姆·乔姆斯基的经典语录来阐明模型，便是：
有限手段的无限利用。
详细来看，该模型便是将每个演习图像拆解成一系列根本元素，如蒙版图、草稿图、笔墨描述等，用它们来演习一个扩散模型。
然后让这些被拆分的元素，在推理阶段灵巧组合，天生大量新的图像输出。
它可以支持多种形式作为输入。比如笔墨描述作为全局信息，深度图和草图作为局部勾引，颜色直方图为低级细节等。
在担保天生图像可控的根本上，作为一个通用框架，该模型还能不用再演习就可以完成大量经典天生任务。
举例来看，图（a）中，最左边的是原图，后面4个是通过对Composer不同子集的表示进行调节而天生的新结果。
图（b）展示的是图像插值的结果。
图像重构的话是酱婶儿的，Composer能够大略地改变图像表示来重新配置图像，比如草稿图和分割图。
还有对图像的特定部分进行编辑。
比如给蛋糕派换口味、把珍珠耳环少女的脸换成梵高、让兔子长一张熊猫脸等。
比较经典的图像天生任务也能寻衅，而且无需再演习。
团队表示，现有成果还存在一定局限性，比如在单一条件输入的情形下，天生效果不是很好。以及输入不同语义的图像和文本嵌入时，天生结果会降落对文本嵌入的权重。
而针对AI画画模型都须要面对的风险问题，团队表示为避免被滥用，他们会在公开模型前先创建一个过滤版本。
达摩院副院长带队该研究由阿里及蚂蚁团队完成。
通讯作者为周靖人。
他现任阿里达摩院副院长、阿里云智能CTO，是IEEE Fellow。
2004年于哥伦比亚大学得到打算机博士学位，后加入微软担当研发合资人。
2015年，周靖人加入阿里巴巴集团，先后卖力过达摩院智能打算实验室、大数据智能打算平台、搜索推举奇迹部等。
论文一作Huang Lianghua同样来自达摩院，研究方向为扩大模型规模和数据来表示学习和内容天生。
论文地址：https://arxiv.org/abs/2302.09778
GitHub地址：https://github.com/damo-vilab/composer
— 完 —
量子位 QbitAI · 头条号签约
关注我们，第一韶光获知前沿科技动态