这个“P 图”软件真不赖,模特不配合也能后期P完美

来源:量子位 | 编辑: 界小娟 2022-11-06 21:22

  当你拍照片时,“模特不好好配合”怎么办?

  没事!现在只用一句话就能后期 P 图了,还是能改变动作、表情的那种!

  比如说你能轻松让鸟张开翅膀(输入“张开翅膀的鸟”即可):

又或者说,想要让一只站立的狗蹲下:

  看起来还真不赖!而这个新的“P 图”方法呢,名叫 Imagic,是基于爆火的扩散模型(Diffusion Model)来实现的。

  是的,又是扩散模型,它的能耐想必也不用多介绍了吧(那看那铺天盖地和它相关的论文就能佐证)。

  那在扩散模型加持下的 Imagic 到底有何厉害之处,话不多说,一起来看看吧!

  多达 6 种功能

  据不完全统计,Imagic 的功能就有 6 种

  改变姿势、变换构图、切换滤镜、多个对象编辑、添加对象、更改颜色……

  先来看看这个 P 图神器改变姿势的效果,比如说输入一条站立的狗,通过变换提示文字,得到的效果是酱紫的~

  或者说输入一个随意站立的人,输入口令,他就“乖乖听话,任你摆布”(手动狗头)了,甚至还能凭空出现一个水杯。

  还没看够?那再来康康 Imagic 其他功能:改变颜色,或者增加对象,也可以多种功能同时使用。

  总的来说,Imagic 的厉害之处太多,这里就不一一详细展开了,效果可以看下图。

  除了这么多功能之外,Imagic 还有另外一个比较人性化的点,就是当你告诉它要如何“P 图”后,它会随机生成几个不同的选项供你选择。

  其实这种在真实图像上编辑的模型 Imagic 不是第一个,在此之前就已经有很多个类似的模型。

  这时就会有网友问了,“Imagic 有什么厉害的点呢?”

  话不多说,直接上效果对比。

  这里选取了比较常见的基于真实图像编辑的两个模型:SDEdit、Text2LIVE 与 Imagic 作对比。

  结果很显然,Imagic 完成“P 图指令”的效果很好,在细节上也丝毫不逊色其他模型。

  (确实妙啊)

  那 Imagic 是如何“击败”SDEdit、Text2LIVE,实现这样的效果呢?

  是怎样实现的

  千言万语汇成四个字:扩散模型,在论文的标题上它都赫然在列。

  具体到 Imagic 中,扩散模型的作用是如何发挥出来的,来看看详细的“P 图”过程。

  整体来说分为三大步。

  第一步是优化文本嵌入层。

  具体来说,先给定输入的图像和目标文本,然后对目标文本进行编码,得到初始的嵌入层。

  然后不断调整初始嵌入层,让其能够通过预先训练的扩散模型很好地重建输入图像。

  这样一来,最终便会得到优化后的嵌入层(能够很好地重建输入图像)。

  第二步是对扩散模型进行微调,这时就要用到上一步已经优化之后的嵌入层,让嵌入层经过模型后重建输入图像。

  在重建的过程,需要不断更改模型中损失函数的参数,以让模型适应优化后的输入层,直到能够很好地重建输入图像时为止,这样一来便得到了微调之后的模型。

  第三步就要开始正式 P 图了。

  值得一提的是,这一步除了输入初始的目标嵌入层(tgt)外,还会插入优化好的嵌入层(opt),它们的关系如下图。

  通过变换参数,实际的效果如下图。

研究团队

  Imagic 的六位作者均来自 Google Research,论文有两位第一作者:Bahjat Kawar 和 Shiran Zada,均来自以色列。

  值得一提的是,Bahjat Kawar 还是一位以色列理工学院在读博士,他是在 Google Research 实习期间完成了这项研究。

  而 Shiran Zada 今年 5 月刚加入 Google Research,目前是计算机视觉研究员。

  他曾在微软担任软件工程师以及技术主管的职务,主要负责网络安全相关的项目开发。

相关阅读

每日精选